dc.contributor.advisor | Paikens, Pēteris | |
dc.contributor.author | Nicmanis, Dāvis | |
dc.contributor.other | Latvijas Universitāte. Datorikas fakultāte | |
dc.date.accessioned | 2017-07-01T01:09:19Z | |
dc.date.available | 2017-07-01T01:09:19Z | |
dc.date.issued | 2017 | |
dc.identifier.other | 59238 | |
dc.identifier.uri | https://dspace.lu.lv/dspace/handle/7/35260 | |
dc.description.abstract | Šī darba mērķis ir izveidot sentimenta analīzes risinājumu, kuru paredzēts izmantot informācijas ieguves sistēmas koncepta izstrādē. Sentimenta analīze tiks veikta sociālo tīklu ziņām. Darba izstrādes sākumā tika veikta esošo sentimenta analīzes risinājumu izpēte un to rezultātu salīdzināšana. Tālāk tika veikta publiski pieejamo treniņdatu korpusu ievākšana. Papildus iegūtajiem datiem, tika izveidots latviešu valodai paredzēts sentimenta analīzes treniņdatu korpuss. Korpusa izveidošanas procesā tika veikta informācijas ieguves sistēmas koncepta izveide. Pēc nepieciešamo treniņdatu savākšanas, tika veikta ilgās īstermiņa atmiņas rekurentā neirona tīkla izveidošana un optimizēšana. Darba rezultātā tika iegūts latviešu valodas Twitter ziņu sentimenta korpuss un uz mākslīgajiem neironu tīkliem bāzēts sentimenta analīzes risinājums, kas sasniedza 82,37% precizitāti, 81,86% pārklājumu un 81,86% F1 mēru. | |
dc.description.abstract | The objective of this paper is to create a solution for sentiment analysis which will be used in the proof of concept development for information extraction system. Sentiment analysis will be performed on social network posts. At the beginning of the research author compared existing methods and their results. Subsequently, publicly available training data were gathered. In addition to that, author also created training data corpus for Latvian sentiment analysis. In the process of the corpus development, the proof of concept for information extraction system was created. Finally, a long short-term memory recurrent neural network was created and optimized. Research results consists of a new corpus of hand classified Latvian language Twitter posts and a neural network based sentiment analysis solution, which achieved 82,37% accuracy, 81,86% recall and 81,86% F1 score. | |
dc.language.iso | lav | |
dc.publisher | Latvijas Universitāte | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.subject | Datorzinātne | |
dc.subject | Sentimenta analīze | |
dc.subject | Mākslīgie neironu tīkli | |
dc.subject | Sentiment analysis | |
dc.subject | Artificial neural networks | |
dc.title | Sabiedrības attieksmes modelēšana, izmantojot sentimenta analīzi | |
dc.title.alternative | Public opinion modeling using sentiment analysis | |
dc.type | info:eu-repo/semantics/bachelorThesis | |