• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Глава в книге
Finding an optimal trade-off retail price promotion strategy using an agent-based simulation

Babkin E., Ulitin B., Zykov S. V.

In bk.: 27th International Conference on Knowledge Based and Intelligent Information and Engineering Sytems (KES 2023). Iss. 225. Amsterdam: Elsevier, 2023. P. 932-940.

Предварительная защита кандидатской диссертации Сметанина Сергея Игоревича

6+
Мероприятие завершено

11 июля 2022 г в 17:00 Департамент бизнес-информатики проведет предварительную защиту кандидатской диссертации Сметанина Сергея Игоревича на тему: 

«Анализ тональности текстов из социальных сетей на основе методов машинного обучения для мониторинга общественных настроений»

Научная специальность: 05.13.18 «Математическое моделирование, численные методы и комплексы программ», направление: 09.06.01 «Информатика и вычислительная техника»  (компьютерные науки).

Научный руководитель: Комаров Михаил Михайлович, к.т.н., PhD, профессор департамента бизнес-информатики высшей школы бизнеса НИУ ВШЭ

Рецензенты:

Попов Виктор Юрьевич, д.ф.-м.н., профессор департамента бизнес-информатики высшей школы бизнеса НИУ ВШЭ,

Зеленков Юрий Александрович, д.т.н., профессор департамента бизнес-информатики высшей школы бизнеса НИУ ВШЭ

Аннотация диссертации:

Социальные сети стали неотъемлемой частью современного мира, и с ростом объемов генерируемых пользователями данных растет необходимость их автоматической обработки. Одной из важнейших возникающих задач является мониторинг общественного настроения людей на основе данных из социальных сетей. Диссертация посвящена разработке моделей и методов для мониторинга общественного настроения на основе контента из социальных сетей с помощью анализа тональности. В первой части автор анализирует существующие работы по прикладному анализу тональности текстов на русском языке и проводит критический анализ выбранных исследований. Во второй части автор исследует точность подходов к автоматической классификации тональности текстов на русском языке с использованием методов машинного обучения. Автор выделяет языковые модели как наиболее перспективные в рамках задачи анализа тональности и проводит эксперимент по обучению. В третьей части автор предлагает модель и метод для оценки влияния ошибок классификации определенного алгоритма на рассчитываемый социальный индекс. Данная позволяет оценить то, как качество классификации выбранного алгоритма анализа тональности влияет на рассчитываемый индекс публичного настроения. В четвертой части автор предлагает модель и метод для построения индекса публичного настроения из данных социальных сетей и с учетом демографических характеристик пользователей. Приведена демонстрация работы модели и метода на данных социальной сети Одноклассники. Автор рассчитал индекс публичного настроения, который показал высокий уровень корреляции с Индексом Счастья ВЦИОМ, что подтверждает валидность модели и метода, а также практическую ценность работы.


С полным текстом диссертации и резюме можно ознакомиться в департаменте бизнес-информатики.

Предзащита пройдет в дистанционном формате (на платформе Zoom).