Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: https://open.mgimo.ru/handle/123456789/18976
Название: Automatic extraction of social network users' attitudes on reproductive behavior issues
Автоматическое извлечение мнений пользователей социальных сетей по вопросам репродуктивного поведения
Авторы: Kalabikhina, I.
Banin, E.P.
Калабихина, И.Е.
Банин, Е.П.
Ключевые слова: social network users
reproductive behavior
opinion mining
dataset
classification
machine learning
neural networks
пользователи социальных сетей
репродуктивное поведение
извлечение мнений
датасет
классификация
машинное обучение
нейронные сети
Дата публикации: 2021
Библиографическое описание: Kalabikhina I. E., Banin E. P. Automatic extraction of social network users' attitudes on reproductive behavior issues. Program Systems: Theory and Applications. 2021;12(4):33-63. https://doi.org/10.25209/2079-3316-2021-12-4-33-63
Калабихина И. Е., Банин Е. П. Автоматическое извлечение мнений пользователей социальных сетей по вопросам репродуктивного поведения. Программные системы: теория и приложения. 2021;12(4):33-63. https://doi.org/10.25209/2079-3316-2021-12-4-33-63
Аннотация: In this work, we present a specialized dataset with annotations of users' opinions on reproductive behavior. We analyze the distribution of "for" and "against" ratings on specific aspects of reproductive behavior. The created dataset is used to solve two classification tasks: classifying messages by relevance to the studied topics and the author's position on a particular topic. For message classification, classical machine learning methods as well as neural network approaches are used.
В данной работе мы представляем специализированный датасет с разметкой мнений пользователей о репродуктивном поведении. Мы анализируем особенности распределения оценок «за» и «против» по конкретным аспектам репродуктивного поведения. Созданный датасет используется для решения двух задач классификации: классификации сообщений по релевантности изучаемых тем и позиции автора по той или иной теме. Для классификации сообщений используются классические методы машинного обучения, а также нейросетевые подходы.
URI: https://open.mgimo.ru/handle/123456789/18976
ISSN: 2079-3316
Располагается в коллекциях:Статьи сотрудников МГИМО во внешних журналах

Файлы этого ресурса:
Файл Описание РазмерФормат 
mgimo_ext_10_25209_2079_3316_2021_12_4_33_63.pdf3,02 MBAdobe PDFЭскиз
Просмотреть/Открыть
Источник: Program systems theory and applications  (2021)


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.