Інтелектуальна система аналізу відгуків користувачів із виявленням емоційних станів та динаміки настроїв на основі NLP

Abstract

Актуальність даної роботи полягає у необхідності автоматизації аналізу великих обсягів текстових відгуків користувачів, що дозволить виявляти емоційні стани (радість, злість, розчарування, подив, нейтральність) та відстежувати динаміку настроїв у часі. Застосування методів обробки природної мови (NLP) та машинного навчання забезпечує ефективне розв'язання цього завдання. Об'єктом роботи є процеси аналізу текстових відгуків користувачів у форматі CSV. Предметом роботи є методи та моделі машинного навчання для класифікації емоційних станів, а також технології попередньої обробки текстів. Дослідження виконується в рамках парадигми навчання з учителем, де для кожної вхідної текстової одиниці задається відповідна емоційна мітка. Метою є розробка інтелектуальної системи для автоматизованого аналізу текстових відгуків користувачів, яка дозволяє визначати емоційне забарвлення текстів та візуалізувати динаміку настроїв у часі. Впровадження системи дозволить скоротити час аналізу великих масивів відгуків порівняно з ручним опрацюванням та забезпечить автоматичне виявлення емоційних патернів, що сприятиме більш об'єктивному прийняттю рішень на основі зворотного зв'язку користувачів. В результаті виконання роботи було досліджено три моделі класифікації емоцій (логістичну регресію, випадковий ліс та нейронні мережі), проведено їх порівняльний аналіз за метриками точності, повноти, прецизійності та F1-міри, визначено їх переваги та недоліки, а також розроблено програмне забезпечення, в якому реалізовано відповідні методи та веб-інтерфейс для взаємодії з користувачем. Дана робота складається з чотирьох розділів. У першому розділі проведено аналіз предметної області, огляд особливостей текстових відгуків, сформовано постановку задачі та вимоги до системи. Другий розділ присвячений вибору засобів розробки, архітектурі системи та інтерфейсу користувача. У третьому розділі наведено дослідження методів та моделей класифікації емоцій, аналіз аналогів та обґрунтування доцільності розробки. У четвертому – програмна реалізація системи, тестування та аналіз отриманих результатів. Загальний обсяг роботи – 98 сторінок. Кваліфікаційна робота містить 1 додатків, 26 рисунків, 1 таблиць і 25 джерел посилання. The relevance of this work lies in the need to automate the analysis of large volumes of user text reviews, which allows identifying emotional states (joy, anger, disappointment, surprise, neutrality) and tracking sentiment dynamics over time. The application of natural language processing (NLP) and machine learning methods ensures effective solving of this problem. The object of the work is analysis processes of user text reviews in CSV format. The subject of the study is methods and models of machine learning for the classification of emotional states, as well as text preprocessing technologies. The research is carried out within the framework of the supervised learning paradigm, where each input text unit is assigned a corresponding emotional label. The aim of the work is to develop an intelligent system for automated analysis of user text reviews, which allows determining the emotional coloring of texts and visualizing sentiment dynamics over time. The implementation of the system will reduce the analysis time of large arrays of reviews compared to manual processing and will ensure automatic detection of emotional patterns, which will contribute to more objective decision-making based on user feedback. As a result of the work, three emotion classification models (logistic regression, random forest, and neural networks) were studied, their comparative analysis was carried out according to the metrics of accuracy, recall, precision, and F1-score, their advantages and disadvantages were identified, and software was developed that implements the corresponding methods and a web interface for user interaction This work consists of four sections. The first section analyzes the subject area, reviews the features of text reviews, formulates the problem statement and system requirements. The second section is devoted to the selection of development tools, system architecture, and user interface. The third section presents the study of methods and models of emotion classification, analysis of analogues, and justification of the feasibility of development. The fourth section presents the software implementation of the system, testing, and analysis of the obtained results. The total volume of the work is 98 pages. The qualification work contains 1 appendices, 26 figures, 1 tables, and 25 references.