Пошук академічних текстів

Інформація × Реєстраційний номер 2123U011485, Матеріали видань та локальних репозитаріїв Категорія Опубліковано, Стаття Назва роботи ТЕХНОЛОГІЯ СЕНТИМЕНТ-АНАЛІЗУ ВІДГУКІВ КОРИСТУАЧІВ СИСТЕМ Е-КОМЕРЦІЇ НА ОСНОВІ МАШИННОГО НАВЧАННЯ Автор Тчинецький С. А.Поліщук Б. О.Висоцька В. А.Tchynetskyi S.Polishchuk B.Vysotska V. Дата публікації 13-10-2023 Постачальник інформації Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") Першоджерело https://ric.zp.edu.ua/article/view/288120 Видання National University "Zaporizhzhia Polytechnic" Опис Актуальність. Взаємодія між компанією та цільовою аудиторією досліджується вже століттями. З самого початку комерційних відносин, стосунки надавача послуг та отримувача цінувалися чи не понад усе. Торгівля побудована на довірі та повазі. Імідж підприємця часто є важливішим ніж товар, який він продає. За багато сотень років, взаємини торговця і покупця, підприємця та клієнта не втратили важливості і в час масової диджиталізації якість відносин компанії та цільової аудиторії різного розміру та професійна підтримка зворотного зв’язку з клієнтами часто визначають успіх е-бізнесу. Для цього необхідні додаткові інструменти та інформаційні технології для допомоги бізнесменам слідкувати за можливостями розвитку е-бізнесу в певній локації, а також встановлювати зворотній зв’язок з користувачами за допомогою соціальних мереж та ЗМІ. Такі інструменти допоможуть суттєво розширити бачення ринкових можливостей для е-бізнесу, з’ясує – в які з них є сенс інвестувати, а на які не варто витрачати час. Також побачити, яка ідея має майбутнє і яку бізнес-модель потрібну реалізувати/підтримувати/розвивати для стрімкого розвитку територіального/ міжрегіонального е-бізнесу. Також допоможе розібратися, які важелі мають найбільший ефект для зміни політики бізнесу: що не чіпати, а що змінити, щоб забезпечити високу швидкість в реалізації задуму на основі аналізу відповідних результатів досліджень, наприклад, отримувати: прямий фідбек від клієнтів, динаміку зміни загальної задоволеності або зацікавленості цільової аудиторії та переваги/недоліки від користувачів за допомогою NLP-аналізу; підтримку розвитку е-бізнесу відносно локацій знаходження їхнього підприємства та найкращі напрями розвитку; – графіки розвитку бізнесу (покращення/погіршення) залежно від змісту коментарів. Метою дослідження є розробка інформаційної технології підтримки розвитку е-бізнесу за допомогою аналізу локацій знаходження бізнесу, опрацювання фідбеку від користувачів, аналізу та класифікації відгуків клієнтів в режимі реального часу з соціальних мереж: Twitter, Reddit, Facebook та інші за допомогою методів глибокого навчання та Natural Language Processing українсько- та англомовних текстів. Метод. Для аналізу відугків користувачів та клієнтів використано NLP-методи. Серед методів реалізації основних функцій класифікації англомовних новин використані такі методи машинного навчання, як: наївний Баєсів класифікатор, логістична регресія та метод опорних векторів. Для класифікації українмовних відгуків від користувачів використано алгоритм Наївного Байєса, оскільки він добре показує себе на малих обсягах даних, простий у тренуванні та експлуатації та добре працює з текстовими даними. Наївний класифікатор Байєс є дуже хорошим варіантом для нашої системи і з розрахунку того, що кількість відгуків у датасеті є меншою порівняно з середніми показниками. Результати. Розроблено модель машинного навчання для аналізу та класифікації україномовних та англомовних відгуків від користувачів систем е-комерції. Висновки. Створена модель показує відмінні результати класифікації на тестових даних. Загальна точність сентиментальної моделі для аналізу україномовного контенту є доволі задовільною, 92.3%. Найкраще з завданням аналізу впливу англомовних новини на фінансовий ринок впорався метод логістичної регресії, який показав точність 75,67%. Безперечно, це не є бажаним результатом, проте це найбільший показник із усіх розглянутих. Дещо гірше зі завданням впорався метод опорних векторів (SVM), який показав точність 72,78%, що є дещо гіршим результатом за той, який було отримано завдяки методу логістичної регресії. І найгірше зі завданням впорався метод наївного баєсового класифікатора, який отримав точність 71,13%, що є меншою за отриману у двох попередніх методах. Додано в НРАТ 2026-02-26 Закрити