МЕТОДИ ТА МОДЕЛІ РОЗГОРНУТОГО АНАЛІЗУ ТЕКСТОВОЇ ТОНАЛЬНОСТІ
Information Technology: Computer Science, Software Engineering and Cyber Security · 29.05.2026 · (2) · 218-226
DOI: 10.32782/it/2026-2-24 ↗Kurz gefasst
Fachartikel in der Zeitschrift Information Technology: Computer Science, Software Engineering and Cyber Security, online erschienen am 29.05.2026. Verfasst von Алла ПОЛІЇТ und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
У сучасному цифровому середовищі спостерігається стрімке зростання обсягів текстових даних, що містять суб’єктивні оцінки, думки та емоційні судження користувачів. Це зумовлює необхідність застосування ефективних методів автоматизованого аналізу текстової інформації, зокрема аналізу тональності. Традиційні підходи до визначення полярності тексту не враховують складну структуру висловлювань і не дозволяють коректно інтерпретувати ставлення автора до окремих аспектів об’єкта. У зв’язку з цим особливої актуальності набуває аспектно-орієнтований аналіз тональності, який забезпечує більш глибоке та деталізоване розуміння текстових даних .Мета роботи. Метою дослідження є аналіз, систематизація та експериментальне порівняння сучасних методів і моделей розгорнутого аналізу текстової тональності, включаючи лексичні підходи, класичні алгоритми машинного навчання та нейромережеві архітектури, а також визначення їх ефективності у задачах загальної класифікації та аспектно-орієнтованого аналізу тональності .Методологія. У роботі застосовано комплексний підхід, що включає використання різних класів моделей: лексичного методу VADER, алгоритмів машинного навчання (Naive Bayes, SVM з TF-IDF), рекурентних нейронних мереж (BiLSTM) та трансформерних моделей (DistilBERT, RoBERTa, DeBERTa). Експериментальне дослідження проведено на корпусах IMDB Movie Review Dataset та SemEval-2014 Task 4 Restaurant Reviews Dataset. Для оцінювання якості моделей використано метрики accuracy, macro F1-score та час інференсу. Статистичну значущість результатів перевірено за допомогою критерію МакНемара.Наукова новизна. Наукова новизна полягає у комплексному порівняльному аналізі широкого спектра методів аналізу тональності тексту в межах двох взаємопов’язаних задач – загальної класифікації та аспектно-орієнтованого аналізу. У роботі обґрунтовано вплив донавчання трансформерних моделей на доменно-специфічних даних та показано, що ефективність сучасних нейромережевих архітектур суттєво залежить від адаптації до предметної області.Висновки. Результати дослідження підтверджують, що трансформерні моделі забезпечують найвищу точність у задачі загального аналізу тональності, перевершуючи як класичні алгоритми, так і рекурентні мережі. Водночас у задачі аспектно-орієнтованого аналізу ефективність моделей значною мірою визначається їх адаптацією до конкретного набору даних, що може зумовлювати перевагу простіших методів. Також встановлено компроміс між точністю та швидкодією моделей, що необхідно враховувати при їх практичному застосуванні.
Zitieren
APA
ПОЛІЇТ, А., ПОЛІЇТ, М., ОНИЩЕНКО, К., & АФАНАСЬЄВА, І. (2026). МЕТОДИ ТА МОДЕЛІ РОЗГОРНУТОГО АНАЛІЗУ ТЕКСТОВОЇ ТОНАЛЬНОСТІ. Information Technology: Computer Science, Software Engineering and Cyber Security, 218-226. https://doi.org/10.32782/it/2026-2-24
Vancouver
ПОЛІЇТ А, ПОЛІЇТ М, ОНИЩЕНКО К, АФАНАСЬЄВА І. МЕТОДИ ТА МОДЕЛІ РОЗГОРНУТОГО АНАЛІЗУ ТЕКСТОВОЇ ТОНАЛЬНОСТІ. Information Technology: Computer Science, Software Engineering and Cyber Security. 2026:218-226. doi:10.32782/it/2026-2-24
BibTeX
@article{2026,
author = {ПОЛІЇТ, Алла and ПОЛІЇТ, Максим and ОНИЩЕНКО, Костянтин and АФАНАСЬЄВА, Ірина},
title = {МЕТОДИ ТА МОДЕЛІ РОЗГОРНУТОГО АНАЛІЗУ ТЕКСТОВОЇ ТОНАЛЬНОСТІ},
journal = {Information Technology: Computer Science, Software Engineering and Cyber Security},
year = {2026},
number = {2},
pages = {218--226},
doi = {10.32782/it/2026-2-24}
}
EUVIMED