Найти

Результаты поиска

• АЛГОРИТМ КЛАСТЕРИЗАЦИИ БОЛЬШИХ ГРУПП ЭКСПЕРТОВ НА ОСНОВЕ МЕТОДА ИНТЕРПРЕТАЦИОННОГО СТРУКТУРНОГО МОДЕЛИРОВАНИЯ

  Е.М. Герасименко , П.С. Герасименко

  6-21

  2025-12-30

  Аннотация ▼

  Представлен алгоритм для достижения консенсуса в социальных сетях при крупномасштабном групповом принятии решений с неполной вероятностной нечёткой информацией с элементами неуверенности, который учитывает доверительные отношения экспертов. Предложен метод кластеризации экспертов на основе интерпретационного структурного моделирования для классификации экспертов, а также для повышения эффективности достижения консенсуса. Разработаны операторы распространения и агрегирования доверия для вероятностной нечёткой информации с элементами неопределенности, которые позволяют проводить косвенную оценку доверия и определять весовые коэффициенты экспертов. В результате удаётся сформировать несколько подмножеств экспертов; определить весовые коэффициенты для большого числа экспертов на основе их взаимных отношений доверия. На основе кластеризации экспертов и вычисленного косвенного отношения доверия между экспертами осуществляется принятие решений в ЧС за счет достижения консенсуса с учетом колеблющейся вероятностной нечеткой информации и определяется наилучшая эвакуационная альтернатива. Оценки, предоставляемые экспертами в виде вероятностных колеблющихся нечётких значений, позволяют эффективно моделировать сомнения, неуверенность, несогласованность экспертов в оценках в случае участия группы экспертов или различных экспертных организаций. Вместе с тем становится возможным учитывать различные значения оценок экспертов в задачах принятия многокритериальных решений, когда эксперты не могут согласовать общие степени принадлежности. Алгоритм позволяет классифицировать большую группу экспертов на несколько подмножеств на основе их отношений социального доверия. Этот метод исключает получение пересекающихся подмножеств, при этом нет необходимости заранее задавать параметры кластеризации. Метод использует исключительно отношения социального доверия между экспертами, тем самым обходя проблему субъективного вмешательства в процесс кластеризации. По сравнению с традиционными методами кластеризации метод кластеризации на основе метода интерпретационного структурного моделирования позволяет эффективно выявить иерархическую структуру взаимоотношений между экспертами и минимизировать число участников крупномасштабного группового принятия решений в социальной сети за счет снижения размерности множества экспертов. Кластеризация экспертов на основе метода интерпретационного структурного моделирования существенно повышает эффективность и реализуемость крупномасштабного группового принятия решений

• АЛГОРИТМ ПОИСКА И ПРИОБРЕТЕНИЯ ЗНАНИЙ НА ОСНОВЕ ТЕХНОЛОГИЙ ОБРАБОТКИ И АНАЛИЗА ТЕКСТОВ НА ЕСТЕСТВЕННОМ ЯЗЫКЕ

  Е.М. Герасименко , Ю.А. Кравченко , Д.А. Шаненко

  2024-11-10

  Аннотация ▼

  Статья посвящена решению актуальной научной проблемы повышения эффективности об-
  работки и анализа текстовой информации при решении задач поиска и приобретения знаний. Ак-
  туальность данной задачи связана с необходимостью создания эффективных средств обработки
  накапливаемого огромного количества слабо структурированных данных, содержащих важные,
  иногда скрытые знания, необходимые для построения эффективных систем управления сложны-
  ми объектами различной природы. Предлагаемый автором алгоритм поиска и приобретения зна-
  ний при обработке и анализе текстовой информации, отличается применением низкоуровневых
  детерминированных правил, позволяющих провести качественное упрощение текста на основе
  исключения из текстовой информации слов, инвариантных к смыслу. Алгоритм опирается на до-
  менную проработку, позволяющую сформировать списки доменно-специфичных слов, что позволя-
  ет обеспечить высокое качество упрощения текста. В данной задаче исходными данными явля-
  ются потоки текстовой информации (описание профилей), извлеченных из онлайн платформ для
  рекрутинга, выходная информация представляется предложениями, сформированными в виде
  тройки «субъект-глагол-объект», отражающих гранулы знаний, полученных в процессе обработ-
  ки текста. Использование данного порядка единиц, составляющих предложение, обусловлено тем
  фактом, что данный порядок наиболее распространен в русском языке, хотя в самих текстах
  возможны иные вариации порядка без потери общего смысла. Основная идея алгоритма заключа-
  ется в разбиении большого корпуса текста на предложения с последующей фильтрацией получен-
  ных предложений на основании введенных пользователем ключевых слов. В последствии предло-
  жения разделяются на компоненты и упрощаются в зависимости от вида поступившей компо-
  ненты (глагольная, именная). В качестве примера в данной работе использовалась сфера марке-
  тинга, а ключевыми словами выступили «социальные сети». Автором разработан алгоритм поис-
  ка и приобретения знаний на основе технологий обработки и анализа текстов на естественном
  языке, а также была выполнена программная реализация предложенного алгоритма. В качестве
  методов оценки эффективности использовался ряд метрик: индекс Флэша-Кинкейда; индекс Колман-Лиау; автоматический индекс удобочитаемости. Проведенные вычислительные эксперимен-
  ты подтвердили эффективность предложенного алгоритма по сравнению с аналогами, исполь-
  зующими нейронные сети для решение подобных задач

• ОСНОВНЫЕ ПОДХОДЫ К ИЗВЛЕЧЕНИЮ ТЕКСТОВОЙ ИНФОРМАЦИИ (ОБЗОР)

  В.В. Курейчик , П. С. Герасименко

  2024-10-08

  Аннотация ▼

  Данная статья посвящена обзору известных и современных подходов, методов и алгорит-
  мов полнотекстового поиска. Описана краткая история решения задачи поиска в неструктуриро-
  ванных текстовых данных, её развитие и актуальность. Сформулирована основная задача поиска
  в текстовых данных. Приведено определение индекса базы данных. В общем виде определена целе-
  вая функция поисковой информационной системы и описаны возможные компромиссные вариации
  её параметров при решения различных прикладных задач. Приведена обобщённая архитектура
  современной поисковой информационной системы с разделением задачи поиска на две фазы: пер-
  вичное извлечение релевантных записей и их последующее ранжирование для формирования окон-
  чательных результатов поиска. Даны базовые описания основных алгоритмов и методов полно-
  текстового поиска, таких как: поиск по термам (логический поиск), поиск с помощью деревьев и
  их разновидностей (B-деревья, UB-деревья, tries), поиск на основе n-грамм (в том числе поиск на
  основе частотного представления), использование векторной модели пространства (VSM), поиск
  на основе инвертированного (обратного) индекса, поиск с использованием аппарата нечёткой
  логики и биоинспирированных методов. Приведены основные достоинства и недостатки этих
  методов, описана их применимость в различных условиях, а также рассмотрены возможные ме-
  тоды оптимизации поиска текстовых данных для улучшения точности, скорости поиска и эф-
  фективности использования ресурсов. Представлены возможные перспективные направления в
  области решения задачи первичного извлечения информации. Приведены некоторые способы опре-
  деления сходства текстовых записей для решения задачи ранжирования на основе аппарата не-
  чёткой логики. Затронуты вопросы повышения релевантности первичного извлечения с помощью
  методов искусственного интеллекта, нейронных сетей, аппарата нечёткой логики и биоинспири-
  рованных методов, в частности методы расширения поискового запроса и/или расширения обра-
  батываемых текстовых записей. Описано влияние граничных условий построения поисковой сис-
  темы на повышение её эффективности. В заключение статьи подводятся итоги обзора и обсуж-
  даются перспективы дальнейшего развития различных методов полнотекстового поиска.

• ОПРЕДЕЛЕНИЕ ТОНАЛЬНОСТИ ТЕКСТА С УЧЕТОМ ВЛИЯНИЯ МОДИФИКАТОРОВ ИНТЕНСИВНОСТИ И ПРИМЕНЕНИЕМ НЕЧЕТКИХ ПРАВИЛ

  Е.М. Герасименко , В.В. Стеценко

  2024-08-12

  Аннотация ▼

  Выражение чувств – неотъемлемая часть человеческой жизни и коммуникации. Чтобы соз-
  дать компьютеры, способные лучше служить человечеству, в области информатики продолжа-
  ются исследования по разработке алгоритмов машинного обучения, которые могут обрабаты-
  вать текстовые данные и выполнять задачи анализа тональности текстов на естественном
  языке. Доступность онлайн-обзоров и повышенные ожидания конечных пользователей также
  стимулируют разработку систем интеллектуального анализа мнений, которые могут автомати-
  чески классифицировать и обобщать отзывы пользователей. С каждым годом исследований в
  области распознавания эмоций в тексте все больше, но только малая их часть посвящена приме-
  нению нечеткой логики. В основном, это происходит потому, что исследователи ограничиваются
  бинарной классификацией отношений – «положительное» и «отрицательное», реже добавляя еще
  третий класс – «нейтральное». Применение же нечеткой логики помогает определить оттенки
  эмоций, не просто «хорошо» и «плохо», а насколько хорошо или насколько плохо. Количество оп-
  ределяемых классов определяет глубину детализации. Ранее нами была предложена нечеткая мо-
  дель определения тональности на основе словарей, в данном исследовании мы предлагаем улуч-
  шенную модель определения тональности текста на основе тонального словаря (SentiWordNet) и
  нечетких правил. Для повышения точности и достоверности анализа тональности были примене-
  ны коэффициенты, учитывающие эмоциональную нагрузку слов разных частей речи и действие
  модификаторов интенсивности, способствующих усилению либо ослаблению эмоциональных от-
  тенков. Количественное значение тональности текста получено в результате агрегирования
  нормированных данных по эмоциональным классам с применением методов нечеткого вывода.
  В результате исследования было выявлено, что учет влияния модификаторов интенсивности зна-
  чительно повышает точность предложенного ранее авторами метода, а также способствует
  определению границ при проведении детализированной оценки отношений по 7 классам («очень
  положительное», «положительное», «скорее положительное», «нейтральное», «скорее отрица-
  тельное», «отрицательное», «очень отрицательное»).

• ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПО ПРЕДУПРЕЖДЕНИЮ И ЛИКВИДАЦИИ ПОСЛЕДСТВИЙ ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ НА ОСНОВЕ НЕЧЕТКОГО МЕТОДА СТРУКТУРИРОВАНИЯ ИНФОРМАЦИИ

  Е.М. Герасименко , Д. Ю. Кравченко, Ю.А. Кравченко , Э.В. Кулиев

  2023-06-07

  Аннотация ▼

  Статья посвящена решению научной проблемы поддержки принятия решений по
  предупреждению и ликвидации последствий чрезвычайных ситуаций (ЧС) на основе реше-
  ния задачи структурирования информации. Актуальность данной задачи обусловлена не-
  обходимостью развития теоретических основ оптимизации риска возникновения неблаго-
  приятных воздействий на здоровье человека и окружающую природную среду в связи с
  чрезвычайными ситуациями (ЧС). Авторами даны определения основным терминам иссле-
  дуемой предметной области. Представлена формализованная постановка решаемой зада-
  чи. Приведена развернутая классификация чрезвычайных ситуаций с описанием особенно-
  стей представленных классов. Система правил для поддержки принятия решений при
  чрезвычайных ситуациях должна иметь многоуровневую иерархию, что позволяет обеспе-
  чить построение различных траекторий принятия решений по принципу сверху-вниз. Наи-
  более подходящей моделью для построения такого информационного пространства явля-
  ется онтологическая структура, которая обеспечивает создание необходимой многоуров-
  невой иерархии с учетом всех параметров и критериев, влияющих на развитие ситуации.
  Основными элементами данной онтологической модели являются сущности и связи между
  ними, наличие которых на верхнем уровне декомпозиции будет указывать на риск возник-
  новения чрезвычайной ситуации, а на каждом более низком уровне – будет разворачивать
  таксономию детального описания возможных ситуаций развития ЧС и необходимых дей-
  ствий для их предотвращения или ликвидации последствий. Обработка построенной онто-
  логической модели правил реализуется в работе на основе применения предложенного ав-
  торами нечеткого метода структурирования информации при ЧС, который отличается
  от известных аналогов применением нового обобщенного критерия оптимизации выбора
  альтернатив поддержки принятия решений. Оригинальность оптимизационной постанов-
  ки задачи структурирования заключается в оценке контекстной привязки элементов ин-
  формации к определенному классу чрезвычайных ситуаций, междисциплинарности с уче-
  том наличия множества связей между предметными областями, а также учета сниже-
  ния уровня оперативности информации о протекании ЧС с течением времени

• АНАЛИЗ ТОНАЛЬНОСТИ ТЕКСТОВЫХ ОТЗЫВОВ С ПРИМЕНЕНИЕМ ТОНАЛЬНЫХ СЛОВАРЕЙ И КАРДИНАЛЬНОСТИ НЕЧЕТКОГО МНОЖЕСТВА

  Е.М. Герасименко , В.В. Стеценко

  2023-02-17

  Аннотация ▼

  Анализ тональности или мнений направлен на определение полярности мнения людей
  в отношении к какому-либо продукту, услуге, мероприятию или любому человеку. Один из
  самых распространенных методов, применяемый при анализе тональности текстового
  контента – обработка естественного языка. Тональность текста на естественном язы-
  ке может быть оценена с помощью многочисленных методологий, таких как алгоритмы
  машинного обучения и статистические инструменты, в то время как применение нечет-
  кой логики не является распространенным явлением. Использование нечеткой логики было
  выбрано по следующим причинам. Во-первых, нечеткая логика хорошо справляется с лин-
  гвистической неопределенностью. Такой способ определения проблемы приводит к умень-
  шению предвзятости как с положительной, так и с отрицательной стороны. Во-вторых,
  подходы к обучению на основе нечетких правил коренным образом отличаются от тех
  подходов к обучению, которые широко используются при классификации настроений, та-
  ких как метод опорных векторов, метод наивного Байеса и т. д., так как относятся к ге-
  неративному обучению, т. е. целью обучения является оценка степени принадлежности
  экземпляра к каждому отдельному классу. Предлагаемая модель для анализа тональности
  текстовых обзоров основана на использовании тональных словарей с применением нечет-
  кой логики и состоит из четырех основных этапов. Этапы включают в себя токенизацию,
  формулировку модели мешка слов, формулировку нечеткой оценки тональности и присвое-
  ние полярности. В предложенной модели используется мощность нечеткого множества
  как мера оценки показателей полярности слов. Значения полярности слов получены путем
  применения двух тональных словарей: SentiWordNet и AFINN. Созданы две версии модели в
  зависимости от типа используемого словаря: на основе SentiWordNet и AFINN. Сравнение
  представленного подхода на основе нечеткой логики с другими методами на основе слова-
  рей демонстрирует превосходство разработанных моделей, основанных на применении
  нечеткой логики.

• ПРИМЕНЕНИЕ НЕЧЕТКОЙ ЛОГИКИ ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ ОБ ЭВАКУАЦИИ ПРИ НАВОДНЕНИИ

  Е.М. Герасименко , В.В. Курейчик , С.И. Родзин , А.П. Кухаренко

  2022-11-01

  Аннотация ▼

  Речь идет о стихийных бедствиях, таких как наводнение, которые можно спрогнозиро-
  вать за несколько часов до того, как они произойдут, чтобы можно было организовать эвакуа-
  цию населения. Эвакуация означает, что люди в районах бедствия должны покинуть эти рай-
  оны и добраться до укрытий или убежищ. Представлен анализ процесса принятия решения об
  эвакуации, основные критерии, определяющие решение и основные этапы применения нечеткой
  логики для принятия решения об эвакуации на основе качественных и количественных значений
  критериев принятия решения. Эти этапы включают выбор критериев, определение качествен-
  ных входных и выходных переменных, фаззификацию переменных, определение базы нечетких
  правил, построение нечеткого вывода, визуализацию результатов и анализ чувствительности.
  При моделировании учитывались следующие критерии: прогнозируемый уровень наводнения,
  уровень опасности, уязвимость района предполагаемого наводнения и возможность безопасной
  эвакуации. Прогнозируемый уровень наводнения основывался на параметрах максимального
  уровня и скорости подъема воды. Уровень опасности отражал физические характеристики
  наводнения и его потенциальное воздействие на безопасность людей в районе наводнения. Уяз-
  вимость района предполагаемого наводнения определялась как неспособность на местном
  уровне предотвратить непосредственный контакт людей с паводковыми водами во время со-
  бытия. Возможность безопасной эвакуации определялась как множество ограничений и по-
  тенциальных негативных аспектов, которые могут задержать или помешать успешному про-
  ведению эвакуации. Представлено описание качественных переменных критериев принятия
  решения о необходимости эвакуации, примеры определения базы нечетких правил. Нечеткая
  модель реализована с помощью Matlab Fuzzy Logic Toolbox. Описана процедура нечеткого выво-
  да и интерпретации решения и модель нескольких сценариев и ситуаций наводнения. Рассмот-
  рен способ, с помощью которого нечеткая модель принятия решения об эвакуации может
  быть применена в сочетании с геоинформационной системой. Представлены действия, связан-
  ные с необходимостью эвакуации для различных сценариев и обстоятельств.

• ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА АНАЛИЗА ТОНАЛЬНОСТИ ДЛЯ ИЗМЕРЕНИЯ ЛОЯЛЬНОСТИ ПОКУПАТЕЛЕЙ И ПРИНЯТИЯ РЕШЕНИЙ, ОСНОВАННАЯ НА НЕЧЕТКОЙ ЛОГИКЕ

  Е. М. Герасименко , В. В. Стеценко

  2021-11-14

  Аннотация ▼

  Представлен интеллектуальный подход к измерению лояльности клиентов к кон-
  кретному продукту, основанный на анализе комментариев. Общий анализ тональности в
  твитах и сообщениях проводится довольно часто, однако ориентированный на задачи
  анализ мнений пользователей и измерение уровня их лояльности является новой идеей.
  Сложность в проведении ориентированного на задачу анализа тональности сообщений
  заключается в измерении лояльности клиента к конкретному продукту на основе мнения
  клиентов об этом самом продукте. Полученные данные об уровне лояльности клиента к
  продукту смогут помочь новому клиенту принять решение о конкретном товаре, учиты-
  вая его различные особенности и отзывы предыдущих клиентов. В качестве набора данных
  был использован большой массив данных, состоящих из онлайн-отзывов клиентов с
  Amazon.com. Набор исходных данных представляет собой совокупность отзывов, из кото-
  рых предлагаемый подход формирует агрегированную оценку мнений, далее используется
  модель нечеткой логики для измерения лояльности клиента к продукту. В предложенном
  подходе входной текст сначала обрабатывается с помощью таких методов как токениза-
  ция, удаления стоп-слов, лемматизация, затем происходит маркировка частей речи и осу-
  ществляется анализ полярности отзывов, затем, к полученным агрегированным оценкам
  применяются методы нечеткой логики, чтобы определить степень лояльности клиентов к
  продукту. В этой работе использовались различные библиотеки с открытыми API, такие
  как SentiWordNet, Stanford CoreNLP и т.д. Используемый подход фокусируется на выявле-
  нии тональности обзоров, которые могут быть положительными, отрицательными и
  нейтральными. В нашем исследовании мы использовали треугольную функцию принадлеж-
  ности, также известную как trimf, потому что она поддерживает три переменные и соз-
  дает связь между ними. Реализация подхода обеспечивает высокую точность определения
  лояльности к продуктам электронной коммерции, которая превосходит предыдущие под-
  ходы, а применение нечеткой логик позволило значительно повысить значения таких пока-
  зателей как точность, полнота и F-мера.

• РЕШЕНИЕ ЗАДАЧИ НАХОЖДЕНИЯ МАКСИМАЛЬНОГО ПОТОКА В ЗАДАЧАХ ЭВАКУАЦИИ НА ОСНОВЕ НЕЧЕТКИХ КОЛЕБЛЮЩИХСЯ ОПЕРАТОРОВ АГРЕГИРОВАНИЯ

  Е. М. Герасименко , Е. В. Нужнов

  2021-11-14

  Аннотация ▼

  Моделирование эвакуации – актуальная проблема, которая вызывает все больший
  интерес в последние годы. Сегодня подходы к макроскопической эвакуации, основанные на
  теории потока, позволяют исследователям находить решение проблем оптимизации, рас-
  сматривая пострадавших как однородную массу. Основная трудность при построении
  сценариев эвакуации заключается в необходимости учитывать внутреннюю неопределен-
  ность сети. В дополнение к присущей неопределенности узлы сети имеют ограниченную
  пропускную способность и могут хранить поток, а также направлять дополнительный
  поток в сток в заданном порядке. Таким образом, эксперт – это ключевая фигура в нечет-
  ком моделировании, который должен оценить порядок промежуточных узлов для получе-
  ния потока. Если лицо, принимающее решение, сомневается в выборе функции принадлеж-
  ности альтернативы по отношению к атрибуту из-за возможных податрибутов, он / она
  может изложить все возможные оценки альтернативы. Поэтому в данной статье рас-
  сматривается задача максимальной эвакуации с промежуточным хранением в узлах и со-
  ставление списка-порядка укрытий. Колеблющийся нечеткий гибридный оператор агрега-
  ции с усреднением используется для определения приоритета промежуточных узлов. Этот
  сценарий эвакуации является наиболее безопасным, поскольку максимальное количество
  потерпевших может быть отправлено в наиболее безопасные убежища, используя воз-
  можности промежуточных узлов, таким образом, что величина входящего потока в про-
  межуточном узле может превышать исходящий поток. После нахождения приоритетно-
  го списка вершин выполняется построение транспортной сети, советующей остаточной
  сети, поиск потока с учетом хранения потока в убежищах. Для иллюстрации предложен-
  ного алгоритма приведен численный пример

• РЕШЕНИЕ ЗАДАЧИ МОДЕЛИРОВАНИЯ ЧАСТИЧНО РЕВЕРСИВНОГО ПОТОКА МИНИМАЛЬНОЙ СТОИМОСТИ В НЕЧЕТКИХ УСЛОВИЯХ

  Е.М. Герасименко

  2020-11-22

  Аннотация ▼

  Данная статья посвящена разработке алгоритма решения задачи моделирования час-
  тично реверсивного потока минимальной стоимости в нечеткой транспортной сети. Задача
  нахождения потока минимальной стоимости является центральной задачей при планировании
  перевозок и эвакуационном моделировании. Актуальность такого рода задач обусловлена необ-
  ходимостью поиска оптимальных с точки зрения стоимости маршрутов перевозок и передачи
  по ним максимального потока. Данная статья посвящена решению данной задачи в нечетких
  условиях, так как аппарат теории нечетких множеств позволяет задавать параметры сети,
  такие как пропускные способности участков дорог, стоимости перевозок в нечётком виде.
  Такой способ представления удобен в ситуациях, когда имеет место нехватка данных о моде-
  лируемом объекте, их лингвистический характер, погрешности в измерениях и пр. В задачах
  эвакуационного моделирования, которые происходят спонтанно, также наблюдается нехват-
  ка точной информации о пропускных способностях и стоимостях перевозок. Концепция контр-
  потока, используемая в статье, используется для увеличения суммарной пропускной способно-
  сти путем реверсирования движения. Техника реверсирования движения является современной
  методикой увеличения передаваемого потока путем увеличения выходной пропускной способно-
  сти сети. Применение реверсирования движения позволяет освободить загруженные участки
  дороги и перераспределить движение в сторону пустых дорог, устраняя заторы и «пробки» на
  дорогах. Предложен метод оперирования нечеткими числами, не приводящий к «размытию»
  границ результирующего числа и позволяющий оперировать нечеткими границами на последних
  итерациях, в то время как на остальных предшествующих итерациях производятся вычисле-
  ниями только с центрами нечетких чисел. Рассмотрен численный пример, который иллюстри-
  рует работу предложенного алгоритма.

• ИНТЕЛЛЕКТУАЛЬНЫЙ МЕТОД ИЗВЛЕЧЕНИЯ ЗНАНИЙ НА ОСНОВЕ ОПРЕДЕЛЕНИЯ ТОНАЛЬНОСТИ ОТЗЫВОВ

  Е.М. Герасименко , В. В. Стеценко

  2020-11-22

  Аннотация ▼

  В этой работе исследуется влияние возраста и пола при анализе тональности отзы-
  вов, поскольку эти данные могут помочь ретейлерам электронной коммерции увеличить
  продажи, ориентируясь на определенные демографические группы, а также увеличить
  удовлетворение потребностей людей разных возрастных и гендерных групп. Используемый
  набор данных сформирован путем сбора отзывов о книгах. Был создан вопросник, содер-
  жащий информацию о предпочтениях книжных носителей (мнения пользователей об элек-
  тронных книгах, книгах в мягкой и твердой обложках, изображениях и аудиокнигах), а
  также данные о возрастной группе и гендерной принадлежности. Помимо этого, вопрос-
  ник также содержит информацию о положительном либо отрицательном мнении касае-
  мо предпочтений, которая послужила основой достоверности для классификаторов.
  В результате, было получено 900 анкет, которые были разделены на группы по половому
  признаку и возрасту. Каждая конкретная группа данных была разделена на обучающую и
  тестовую. Были проанализированы сегментированные данные на предмет настроений в
  зависимости от каждой возрастной группы и пола. Возрастная группа «старше 50 лет»
  продемонстрировала лучшие результаты по сравнению со всеми другими возрастными
  группами во всех классификаторах; данные в женской группе показали более высокую точ-
  ность по сравнению с данными из групп без информации о гендерной принадлежности.
  Высокие результаты, показанные этими группами, показывают, что подходы к анализу
  тональности способны предсказать настроения в этих группах лучше, чем в других. Анализ
  тональности проводился с использованием различных подходов машинного обучения (ML),
  включая максимальную энтропию, метод опорных векторов, сверточную нейронную сеть и
  долгую краткосрочную память.