ЗАСТОСУВАННЯ МЕТОДІВ НЕЙРОЕВОЛЮЦІЇ ДЛЯ ОПТИМІЗАЦІЇ СИСТЕМ СЕНТИМЕНТАЛЬНОГО АНАЛІЗУ ТЕКСТУ
Таврійський науковий вісник. Серія: Технічні науки · 21.05.2026 · 1 (2) · 344-351
DOI: 10.32782/tnv-tech.2026.2.1.34 ↗Kurz gefasst
Fachartikel in der Zeitschrift Таврійський науковий вісник. Серія: Технічні науки, online erschienen am 21.05.2026. Verfasst von В. С. Раленко. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Стаття присвячена розв’язанню актуальної науково-практичної проблеми автоматизації процесу структурно-параметричного синтезу інтелектуальних систем сентиментального аналізу тексту. У сучасних задачах обробки природної мови глибокі нейронні мережі з рекурентною архітектурою довгої короткострокової пам’яті є стандартом де-факто завдяки їхній здатності враховувати глобальний контекст послідовності. Проте, класичні градієнтні алгоритми навчання ефективно вирішують лише задачу локальної оптимізації вагових коефіцієнтів, залишаючи відкритим питання вибору оптимальної архітектури мережі. Ручний підбір гіперпараметрів або традиційні методи є обчислювально неефективними і часто призводять до значного перенавчання моделі на складних неструктурованих даних. Для подолання цих обмежень у дослідженні протестовано гібридну систему, яка поєднує методи класичного градієнтного спуску та алгоритми біоінспірованої еволюційної оптимізації. В якості механізму глобального структурного синтезу застосовано генетичний алгоритм, який автоматично досліджує багатовимірний простір гіперпараметрів. Розроблено специфічне кодування хромосом, де генами виступають: кількість прихованих шарів LSTM, кількість нейронів у кожному шарі, розмірність простору векторизації, коефіцієнт регуляризації Dropout та стартова швидкість навчання. В якості цільової функції запропоновано використовувати метрику точності класифікації зі спеціальним штрафним коефіцієнтом за надмірну структурну складність мережі, що запобігає її перенавчанню. Експериментальне моделювання проведено на базі великого набору текстових даних IMDb Dataset який складається з 50 000 відгуків з використанням бібліотек PyTorch та DEAP. Проведено компаративний аналіз двох підходів: класичного експертного синтезу та еволюційного синтезу. Встановлено, що експертно задана базова одношарова модель швидко перенавчається, демонструючи критичний дисбаланс класів та загальну точність на рівні 74.0%. Натомість генетичний алгоритм за 10 поколінь емпірично синтезував ієрархічну двошарову архітектуру (128 та 64 нейрони) з оптимізованим рівнем Dropout. Результати дослідження підтверджують, що застосування біоінспірованих методів дозволило підвищити точність класифікації на 9.0% та покращити метрику F1-Score з 0.73 до 0.83. Окрім метричного покращення, еволюційна оптимізація забезпечила скорочення кількості параметрів моделі майже вдвічі (з ~400 000 до ~215 000 параметрів), що на 33% пришвидшило час інференсу під час експлуатації. Отримані результати доводять перспективність впровадження методів нейроеволюції в індустріальні процеси розробки систем обробки природної мови для забезпечення їхньої адаптивності та обчислювальної ефективності.
Zitieren
APA
Раленко, В. С. (2026). ЗАСТОСУВАННЯ МЕТОДІВ НЕЙРОЕВОЛЮЦІЇ ДЛЯ ОПТИМІЗАЦІЇ СИСТЕМ СЕНТИМЕНТАЛЬНОГО АНАЛІЗУ ТЕКСТУ. Таврійський науковий вісник. Серія: Технічні науки, 1(2), 344-351. https://doi.org/10.32782/tnv-tech.2026.2.1.34
Vancouver
Раленко ВС. ЗАСТОСУВАННЯ МЕТОДІВ НЕЙРОЕВОЛЮЦІЇ ДЛЯ ОПТИМІЗАЦІЇ СИСТЕМ СЕНТИМЕНТАЛЬНОГО АНАЛІЗУ ТЕКСТУ. Таврійський науковий вісник. Серія: Технічні науки. 2026;1(2):344-351. doi:10.32782/tnv-tech.2026.2.1.34
BibTeX
@article{2026,
author = {Раленко, В. С.},
title = {ЗАСТОСУВАННЯ МЕТОДІВ НЕЙРОЕВОЛЮЦІЇ ДЛЯ ОПТИМІЗАЦІЇ СИСТЕМ СЕНТИМЕНТАЛЬНОГО АНАЛІЗУ ТЕКСТУ},
journal = {Таврійський науковий вісник. Серія: Технічні науки},
year = {2026},
volume = {1},
number = {2},
pages = {344--351},
doi = {10.32782/tnv-tech.2026.2.1.34}
}
EUVIMED