2018. — Т 10. — №3 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://esj.today/43itvn318.html

Полный текст статьи в формате PDF (объем файла: 1007.5 Кбайт)

Ссылка для цитирования этой статьи:

Краснов, Ф. В. Анализ тональности текста научно-практических статей по нефтегазовой тематике с помощью искусственных нейронных сетей / Ф. В. Краснов // Вестник Евразийской науки. — 2018. — Т 10. — №3. — URL: https://esj.today/PDF/43ITVN318.pdf (дата обращения: 20.04.2024).

Анализ тональности текста научно-практических статей по нефтегазовой тематике с помощью искусственных нейронных сетей

Краснов Федор Владимирович
ООО «Газпромнефть НТЦ», Санкт-Петербург, Россия
Эксперт
Кандидат технических наук
E-mail: Krasnov.FV@Gazprom-Neft.ru
ORCID: http://orcid.org/0000-0002-9881-7371
РИНЦ: https://elibrary.ru/author_profile.asp?id=855886
Researcher ID: http://www.researcherid.com/rid/C-6518-2018

Аннотация. Проблема поиска отрицательного практического опыта от применения новых технологий остро стоит в нефтегазовой отрасли. Риск повторения чужих ошибок высок в связи с разнообразием технологий и неопределенностями границ их применения. Наиболее полный источник накопленного опыта – это материалы научно-практических конференций. А наиболее точный метод поиска отрицательного практического опыта – это внимательно вчитываться в текст каждой презентации и выискивать положительный и отрицательный опыт от применения технологий. Но такой метод сложно применять на практике так как объемы текстов огромны. В данной работе авторы использовали подход на основе анализа эмоциональной окрашенности для выявления научно-практических статей, содержащих негативные тональности.

Авторами рассмотрены различные подходы к анализу текстов с помощью методов машинного обучения для решения поставленной задачи. Применение рекуррентной нейронной сети позволило авторам осуществить классификацию научно-практических статьей по тональностям с точностью 88 % (метрика accuracy). Разработанная авторами архитектура рекуррентной сети создает модель для извлечения из корпуса текстов научно-практических статей документов, содержащих негативные тональности применительно к заданной технологии. Так же авторами сделан анализ наиболее неуспешных и наиболее успешных применений технологий по всему корпусу текстов.

Ключевые слова: рекуррентные нейронные сети; анализ тональности текста; автоматизированный анализ текстов; наукометрия; векторная модель текста; бизнес разведка

Скачать