Повышение пользовательского опыта за счет расширенного анализа настроений

Аннотация

Стремительный рост пользовательского текстового контента на платформах социальных сетей, в приложениях для обмена сообщениями, на сайтах электронной коммерции и других онлайн-сервисах значительно повысил значимость автоматического анализа тональности для понимания общественного мнения и улучшения цифровых сервисов. Цель данного исследования заключается в изучении современных подходов к обработке естественного языка (Natural Language Processing, NLP) для анализа тональности и разработке эффективного метода анализа и обобщения пользовательских отзывов с целью улучшения пользовательского опыта. Научная значимость работы заключается в исследовании современных методов машинного обучения и глубокого обучения для обработки больших объемов неструктурированных текстовых данных и выявления эмоциональных закономерностей в пользовательских отзывах. Методология исследования включает предварительную обработку текста, токенизацию, векторизацию с использованием трансформерных представлений, а также классификацию тональности с применением моделей Long Short-Term Memory (LSTM) и алгоритмов машинного обучения. Результаты исследования показывают, что модели глубокого обучения повышают точность определения тональности и обеспечивают более надежный анализ мнений пользователей, выраженных в текстовых данных. Полученные результаты способствуют развитию эффективных аналитических инструментов для анализа тональности и имеют практическое значение для бизнеса при изучении предпочтений потребителей и повышении качества цифровых сервисов.