ПРОБЛЕМЫ И ОСОБЕННОСТИ АВТОМАТИЗАЦИИ МОНИТОРИНГА СОЦИАЛЬНЫХ СЕТЕЙ И ИНТЕЛЛЕКТУАЛЬНОЙ ОБРАБОТКИ ПОЛЬЗОВАТЕЛЬСКИХ СООБЩЕНИЙ
Аннотация и ключевые слова
Аннотация (русский):
Разработана модель мониторинга мнений пользователей социальных сетей с поддержкой интеллектуального анализа данных. Рассмотрен метод анализа тональности как один из подходов к интеллектуальной обработке текстовых сообщений пользователей социальной сети. Сформулированы требования к программному комплексу мониторинга социальных сетей и описаны результаты его практического применения, на основании чего определены направления дальнейших исследований.

Ключевые слова:
социальная сеть, мониторинг, анализ тональности, нейронные сети, глубокое обучение.
Текст
Текст произведения (PDF): Читать Скачать
Список литературы

1. Аверченков, В.И. Представление и обработка нечеткой информации в многокритериальных моделях принятия решений для задач управления социально-экономическими системами / В.И. Аверченков, А.В. Лагерев, А.Г. Подвесовский // Вестн. Брян. гос. техн. ун-та. – 2012. – № 2 (34). – С. 97-104.

2. Базенков, Н.И. Обзор информационных систем анализа социальных сетей / Н.И. Базенков, Д.А. Губа-нов // Управление большими системами: сб. тр. – М.: ИПУ РАН, 2013. – № 41. – С. 357-394.

3. Васильев, В.Г. Классификация отзывов пользователей с использованием фрагментных правил / В.Г. Васильев, М.В. Худякова, С.А. Давыдов // Компьютерная лингвистика и интеллектуальные техно-логии: по материалам ежегодной Международной конференции «Диалог»: сб. ст. – М.: Изд-во РГТУ, 2011. – Т. 2. – С. 66-76.

4. Губанов, Д.А. Концептуальный подход к анализу онлайновых социальных сетей / Д.А. Губанов, А.Г. Чхартишвили // Управление большими системами: сб. тр. – М.: ИПУ РАН, 2013. – № 45. – С. 226-236.

5. Губанов, Д.А. Модели информационного влияния и информационного управления в социальных сетях / Д.А. Губанов, Д.А. Новиков, А.Г. Чхартишвили // Проблемы управления. – М.: СенСиДат-Контрол, 2009. – № 5. – С. 28-35.

6. Губанов, Д.А. Социальные сети: модели информационного влияния, управления и противоборства / Д.А. Губанов, Д.А. Новиков, А.Г. Чхартишвили. – М.: Изд-во физ.-мат. лит., 2010. – 228 с.

7. Для чего люди используют интернет? – URL: http://fom.ru/SMI-i-internet/11088.

8. Интернет в России: динамика проникновения. Лето 2014. – URL: http://fom.ru/SMI-i-internet/11740.

9. Меньшиков, И.Л. Анализ тональности текста на русском языке при помощи графовых моделей / И.Л. Меньшиков // Доклады Всероссийской научной конференции АИСТ’2013: сб. ст. – Екатеринбург, 2013. – С. 151-155.

10. Пак, А. Обучаем компьютер чувствам (sentiment analysis по-русски). – URL: http://habrahabr.ru/post/149605.

11. Паклин, Н.Б. Бизнес-аналитика: от данных к знаниям: учеб. пособие / Н.Б. Паклин, В.И. Орешков. – 2-е изд. – СПб.: Питер, 2013. – 704 с.

12. Паничева, П.В. Система сентиментного анализа ATEX, основанная на правилах, при обработке текстов различных тематик / П.В. Паничева // Компьютерная лингвистика и интеллектуальные технологии: по материалам ежегодной Международной конференции «Диалог»: сб. ст. – М.: Изд-во РГТУ, 2013. – Т. 2. – С. 101-112.

13. Подвесовский, А.Г. Особенности реализации программного комплекса мониторинга социальных сетей с поддержкой анализа тональности текстовых сообщений / А.Г. Подвесовский, Д.В. Будыльский // Вопро-сы информационных технологий: междунар. сб. науч. ст. – Липецк: Гравис, 2014. – Вып. I. – С. 23-33.

14. Brand Analуtics – система мониторинга и анализа социальных медиа. – URL: http://br-analytics.ru.

15. BrandSpotter – система мониторинга социальных медиа. – URL: http://brandspotter.ru.

16. Deng, L. Deep Learning: Methods and Applications / L. Deng, Y. Dong. – Now Publishers, 2014. – 134 p.

17. IQBuzz – профессиональный сервис мониторинга для маркетологов, PR и SMM. – URL: http://iqbuzz.ru.

18. Socher, R. Recursive Deep Models for Semantic Compositionality Over a Sentiment Treebank / R. Socher [et al.] // EMNLP. – 2013. – P. 1-12.

19. YouScan.ru – система мониторинга социальных медиа и социальных сетей. – URL: http://youscan.ru.