Portalų anoniminių komentarų duomenų gavyba
Vaitkevičius, Povilas |
Augantis neapdorotos informacijos kiekis, talpinamas anonimiškai vartotojų internete, tampa vis aktualesnis socialiniu bei verslo požiūriu. Anonimiškai reiškiama nuomonė, atsiliepimai apie prekes, paslaugas ar straipsnius suteikia naudingos informacijos naujiems naudotojams, verslo atstovams. Tokių komentarų analizė ypač svarbi, nes suteikia daug žinių apie visuomenę, jos poreikius, domėjimosi sritis.Literatūros analizė atskleidė, kad įrankių tinkamų analizuoti portalus emociniu požiūriu pritaikytų lietuvių kalbai nėra.Dažniausiai metodai taikomi anglų kalbą naudojamiems portalams.Darbe pateikiamas elektroninių portalų vartotojų komentarų emocijų aptikimo metodikos prototipas, skirtas lietuvių kalbai.Komentarai skirstomi emociniu lygmeniu: teigiamas, neigiamas arba neutralus. Pagrindinė duomenų bazė paruošta įtraukiant naujus žodžius naudojant Levenšteino atstumą. Pasirinkti trys: naiviojo bajeso, multinominio naiviojo bajeso ir atraminių vektorių mašinų klasifikatoriai.Proceso metu išryškėjo lietuvių kalbos sudėtingumas, apdorojant komentarus pritaikyti įvairūs sprendimo būdai. Gauti rezultatai parodė, kad prototipas galėtų būti taikomas įvairių temų, šaltinių komentarų apdorojimui emociniu požiūriu. Tyrimo metu nustatyta, kad geriausias suskirstymas į klases pasiekiamas išplėtus žodyną ir apdorojus duomenis. Geriausi rezultatai gauti naudojant multinominio naiviojo bajeso klasifikatorių (65.3%).Darbą sudaro 7 dalys: įvadas, teorinė analitinė, metodologinė, praktinė, išvados, rekomendacijos, literatūros sąrašas.Darbo apimtis - 60 p. teksto be priedų, 23 paveikslų, 24 lentelės, 49 bibliografiniai šaltiniai.
The growing raw information placed anonymously on the internet is becoming increasingly relevant in social and business terms. Anonymous opinion, product, service or article feedback provides useful information for new users, business representatives. The analysis of such information is particularly important because it provides a lot of knowledge about society and areas of interest.Analysis of the literature showed that there are no created tools for emotionally adapted Lithuanian language. The most common methods that are used for internet portals researches are in English.This paper represents a prototype of the methodology for detecting emotions of users of electronic portals for Lithuanian language. The comments divided on the emotional levels: positive, negative or neutral. The main database created using the Levenshtein distance method to increase initial database. In the paper used three classifiers: Naive Bayes, Multinomial Naive Bayes and Support Vector Machine.During the process, the complexity of the Lithuanian language emerged, and various solutions applied to the processing of comments. The results showed that the prototype could be applied to evaluate comments on various topics and sources from an emotional point of view. At the research time established that the best division into classes is achieved by expanding the dictionary and processing the data. The best results achieved using the Multinomial Naive Bayes classification (65.3%).Structure: introduction, theoretical analysis, methodological and analytical parts, practical analysis, conclusions, recommendation, references.Thesis consist of 60 p. text without appendixes, 23 pictures, 24 tables, 49 bibliographical entries.