10.14489/vkit.2024.01.рр.031-037

DOI: 10.14489/vkit.2024.01.рр.031-037

Баюк О. В., Бахарев А. Ю.
РАЗРАБОТКА СИСТЕМЫ АГРЕГАЦИИ НОВОСТНЫХ СТАТЕЙ С МОДУЛЕМ АНАЛИЗА ТОНАЛЬНОСТИ ТЕКСТА
(с. 31-37)

Аннотация. Описана разработка прототипа автоматической интеллектуальной системы, способной обрабатывать большие объемы информации и выделять наиболее значимые новостные тексты, основываясь на их тональности. Для автоматической интеллектуальной системы агрегации новостных статей была разработана схема (диаграмма) сверточной нейронной сети. Выполнен анализ выбора наилучшего метода, рассмотрены способы применения различных нейронных сетей при обработке текстовых данных. Описан алгоритм и программная реализация разработанной сверточной нейронной сети для определения тональности новостных текстов на русском языке, приведены примеры. Результаты работы демонстрируют перспективность использования методов агрегации новостей и анализа тональности текста для создания эффективных интеллектуальных информационных систем и могут быть полезными для специалистов в области информационных технологий, бизнеса и научных организаций. Разработка подобных систем может существенно улучшить процесс принятия решений и повысить эффективность деятельности в различных сферах жизни.

Ключевые слова: сентиментальный анализ; интеллектуальная автоматизация текстовых данных; искусственный интеллект; анализ больших данных; интеллектуальная система; сверточная нейронная сеть; агрегация новостных текстовых данных.

Bayuk O. V., Bakharev A. Yu.
DEVELOPMENT OF A NEWS ARTICLE AGGREGATION SYSTEM WITH A TEXT TONALITY ANALYSIS MODULE
(рр. 31-37)

Abstract. The article describes the development of an automatic intelligent system that is capable of processing large amounts of information and highlighting the most significant news texts based on their tonality. The developed system has a wide potential for use in various fields, including financial markets, marketing, sociology, political science, education and other areas. A convolutional neural network scheme (diagram) has been developed for an automatic intelligent aggregation system of news articles. The paper analyzed the choice of the best method and considered various ways of using various neural networks in the processing of text data. The article describes the algorithm and software implementation of the developed convolutional neural network for determining the tonality of news texts in Russian, examples are given. However, it should be noted that the developed system is only a prototype, and its further development may include improving tonality analysis algorithms, expanding news sources and improving the user interface. The results of the work demonstrate the prospects of using methods of news aggregation and text tonality analysis to create effective intelligent information systems. Further development and improvement of the news article aggregation system with the text tonality analysis module can lead to even more accurate and effective results in various fields of application. The results of the work can be useful for specialists in the field of information technology, business and scientific organizations. The development of such systems can significantly improve the decision-making process and increase the efficiency of activities in various spheres of human life.

Keywords: Sentimental analysis; Intelligent automation of text data; Artificial intelligence; Big data analysis; Intelligent system; Convolutional neural network; Aggregation of news text data.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

О. В. Баюк, А. Ю. Бахарев (Тюменский индустриальный университет, Тюмень, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

Eng

O. V. Bayuk, A. Yu. Bakharev (Industrial University of Tyumen, Tyumen, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

+ - Библиографический список (References) Click to collapse

Рус

1. Ададуров С. Е., Хомоненко А. Д., Косых Н. Е. Применение риск-ориентированного подхода для задачи анализа настроений русских текстов // Системы управления, связи и безопасности. 2022. № 2. С. 173–190.
2. Баюк О. В. Нейроматематика: учеб. пособие. Тюмень: ТИУ, 2021. 96 с.
3. Душкин Р. В. Искусственный интеллект. М.: ДМК Пресс, 2019. 280 с.
4. Соробин А. Б., Железняк Л. М., Зикеева Е. А. Сверточные нейронные сети: примеры реализаций: учеб.-метод. пособие. М.: МИРЭА – Российский технологический университет, 2020. 158 с.
5. Интеллектуальный анализ текста и анализ тональности новостных заголовков / А. Хоссейн, М. Каримуззаман, М. Хоссейн, А. Рахман // Интеллектуальный анализ текста: методы классификации, кластеризации и извлечения. 2021. С. 476–483.
6. Баюк О. В. Искусственный интеллект в образовании // Новые информационные технологии в нефтегазовой отрасли и образовании: матер. IX науч.-практ. конф.-конкурса. Тюмень: ТИУ, 2022. С. 283–287.
7. Анализ настроений финансовых новостей с использованием обучения без учителя / А. Ядава, С. Джаа, А. Шаранб, В. Вайш // Междунар. конф. по вычислительному интеллекту и науке о данных. 2020. C. 589–598.
8. Джурафски Д., Мартин Д. Х. Обработка речи и языка. Введение в обработку естественного языка, компьютерную лингвистику и распознавание речи. Стэнфорд: Изд-во Стэнфордского ун-та, 2023. 636 с.
9. Мохсин М. А. Лингвистический интерфейс с эмоциональным анализом текста в компьютерных системах: автореф. дис. … канд. техн. наук / Ижевский государственный технический университет имени М. Т. Калашникова. Ижевск, 2022. 122 с.

Eng

1. Adadurov S. E., Homonenko A. D., Kosyh N. E. (2022). Application of a risk-based approach to the problem of sentiment analysis of Russian texts. Sistemy upravleniya, svyazi i bezopasnosti, (2), 173 – 190. [in Russian language]
2. Bayuk O. V. (2021). Neuromathematics: textbook. Tyumen': TIU. [in Russian language]
3. Dushkin R. V. (2019). Artificial intelligence. Moscow: DMK Press. [in Russian language]
4. Sorobin A. B., Zheleznyak L. M., Zikeeva E. A. (2020). Convolutional neural networks: examples of implementations: educational and methodological manual. Moscow: MIREA – Rossiyskiy tekhnologicheskiy universitet. [in Russian language]
5. Hosseyn A., Karimuzzaman M., Hosseyn M., Rahman A. (2021). Text mining and sentiment analysis of news headlines. Text mining: classification, clustering and extraction methods, 476 – 483. [in Russian language]
6. Bayuk O. V. (2022). Artificial intelligence in education. New information technologies in the oil and gas industry and education: materials of the IX scientific and practical conference-competition, 283 – 287. Tyumen': TIU. [in Russian language]
7. Yadava A., Dzhaa S., Sharanb A., Vaysh V. (2020). Sentiment analysis of financial news using unsupervised learning. International Conference on Computational Intelligence and Data Science, 589 – 598. [in Russian language]
8. Dzhurafski D., Martin D. H. (2023). Speech and language processing. Introduction to natural language processing, computational linguistics, and speech recognition. Stenford: Izdatel'stvo Stenfordskogo universiteta. [in Russian language]
9. Mohsin M. A. (2022). Linguistic interface with emotional text analysis in computer systems. Izhevsk: Izhevskiy gosudarstvenniy tekhnicheskiy universitet imeni M. T. Kalashnikova. [in Russian language]

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 500 руб. (в том числе НДС 20%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа скопируйте doi статьи:

10.14489/vkit.2024.01.рр.031-037

и заполните форму

Отправляя форму вы даете согласие на обработку персональных данных.

Eng

This article is available in electronic format (PDF).

The cost of a single article is 500 rubles. (including VAT 20%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please copy the article doi:

10.14489/vkit.2024.01.рр.031-037

and fill out the form