Please use this identifier to cite or link to this item: https://elib.utmn.ru/jspui/handle/ru-tsu/15145
Title: Клиент всегда прав: анализ тональности текста в отзывах о качестве банковского обслуживания
Other Titles: The Customer is Always Right: Sentiment Analysis for Bank Service Quality
Authors: Брунова, Елена Георгиевна
Yulia, V. Bidulya
Elena, G. Brunova
Бидуля, Юлия Владимировна
Keywords: анализ тональности текста;lexicon;user-generated content;algorithm;rule-based classifier;content analysis;natural language processing;sentiment analysis;лексикон;пользовательский контент;алгоритм;классификатор на основе правил;контент-анализ;обработка естественного языка
Issue Date: 2017
Citation: Брунова, Е. Г. Клиент всегда прав: анализ тональности текста в отзывах о качестве банковского обслуживания / Е. Г. Брунова, Ю. В. Бидуля // Вестник Тюменского государственного университета. Гуманитарные исследования. Humanitates. - 2017. - Т. 3, № 1. - С. 72-89.
metadata.dc.relation.ispartof: Вестник ТюмГУ: Гуманитарные исследования. Humanitates. 2017. Том 3 №1
Abstract: Целью исследования является разработка алгоритма на основе правил для анализа тональности текста. Материалом послужили отзывы на русском языке о качестве банковского обслуживания из народного рейтинга банков (сайт www.banki.ru). Анализ тональности текста рассматривается как задача классификации, т. е. отнесение текста к одному из двух классов — с положительной и отрицательной оценкой. В основу алгоритма положено использование определенных лексико-грамматических конструкций наряду с оценочным лексиконом, содержащим классы слов с положительной и отрицательной оценкой, а также три служебных класса. Эффективность предложенного алгоритма оценивается с помощью показателей точности (Precision), полноты (Recall) и меры F Ван Ризбергена в сравнении с результатами работы другого алгоритма, широко применяемого для анализа тональности — Наивного Байесовского классификатора. Для оценки эффективности использован корпус из 200 отзывов о качестве банковского обслуживания. Значения точности, полноты и F-меры у предложенного алгоритма оказались на 5-8% выше, чем у Наивного Байесовского . The purpose of this research is to develop a rule-based algorithm for sentiment analysis. The dataset comprises the reviews in Russian on the bank service quality from clients’ bank rating, www.banki.ru. Sentiment analysis is considered as the classification task, i.e. matching a text with one of the two classes: with positive or negative polarity. The algorithm is based on the use of certain lexical and syntactic structures, along with the sentiment lexicon consisting of positive and negative lexicons, as well as three service classes. The efficiency of the proposed algorithm is estimated with Precision, Recall and F-measure in comparison with the results of another algorithm widely used for sentiment analysis — the Naive Bayes Classifier. To estimate the efficiency, the dataset of 200 reviews on the bank service quality is used. The values of Precision, Recall and F-measure for the proposed algorithm are 5-8% higher than for the Naïve Bayes Classifier.
URI: https://elib.utmn.ru/jspui/handle/ru-tsu/15145
Appears in Collections:Вестник ТюмГУ: Гуманитарные исследования. Humanitates

Files in This Item:
File SizeFormat 
072_089.pdf1,44 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.