Obtaining meaningful expressions in natural language reflecting opinions of hotel guests

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62156489%3A43110%2F16%3A43909820" target="_blank" >RIV/62156489:43110/16:43909820 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

ruština

Název v původním jazyce

Polučenije značimych vyraženij na jestěstvennych jazykach, otražajuščich mněnija klijentov otělej

Popis výsledku v původním jazyce

V Intěrnětě imejetsja bol'šaja kollekcija otzyvov (ličnych mněnij) klijentov gostiničnych uslug, napisannych v svobodnoj forme. Postavščiki etich uslug mogut byt' zaintěresovany v znanii ich preobladajuščich položitěl'nych i otricatěl'nych charaktěristik, polučennych iz kommentarijev. Otděl'nye kommentarii pomečeny (klassificirovany) avtorami kak něgativnoje ili pozitivnoje soobščenije v sootvetstvii s ich (ně)udovletvorennost'ju okazannymi uslugami. V stat'je rassmatrivajetsja sledujuščaja problema: možet li mašina proanalizirovat' očen' bol'šije ob'jemy real'nych těkstovych dannych i obnaružit' pričiny pozitivnych i něgativnych mněnij? V issledovanii ispol'zovalis' dannye, sobrannye iz populjarnogo obščedostupnogo servisa booking.com, kotorye byli avtomatičeski proanalizirovany induktivnym algoritmom mašinnogo obučenija, izvestnogo kak děrevo Rossa Kuinlana S5, osnovannogo na minimizacii entropii vyborki (getěrogennosti vyborki). V rezul'tatě eksperimentov byli polučeny konceptual'no ponjatnye značimye slova i slovosočetanija svjazannye s zadannymi klassami. Eti slova i slovosočetanija priveděny v rabotě.

Název v anglickém jazyce

Obtaining meaningful expressions in natural language reflecting opinions of hotel guests

Popis výsledku anglicky

On the Internet, there is a large collection of hotel service clients reviews (personal opinion) written in a free form. Providers of these services may be interested in knowing their prevailing positive and negative characteristics obtained from the comments. Some comments are labeled (classified) by the authors as a negative or positive message, in accordance with their (dis)satisfaction with the services provided. The article deals with the following problem: can a machine analyze very large volumes of real text data and identify the causes of positive and negative opinions? The study used data collected from the popular public service booking.com, which was automatically analyzed by inductive machine learning algorithm known as c5 by Ross Quinlan, based on the minimization of samples entropy. The experiments were prepared conceptually understandable meaningful words and phrases associated with the specified classes.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/GA16-26353S" target="_blank" >GA16-26353S: Sentiment a jeho vliv na akciové trhy</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Matematičeskoe modelirovanie i informatika sociaľnych processov: Sbornik trudov

ISBN

978-5-9908933-7-5

ISSN

—

e-ISSN

—

Počet stran výsledku

13

Strana od-do

68-80

Název nakladatele

Moskovskij gosudarstvennyj universitet imeni M. V. Lomonosova

Místo vydání

Moskva

Místo konání akce

Moskva

Datum konání akce

6. 11. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—