| Title: | Метод выявление эмоционального контекста фрагментов текста |
| Other Titles: | Methods for detecting the text emotional context |
| Authors: | Павлюченко, К. А. |
| Keywords: | материалы конференций;машинное обучение;эмоциональный контекст;эмодзи;сентимент-анализ |
| Issue Date: | 2025 |
| Publisher: | БГУИР |
| Citation: | Павлюченко, К. А. Метод выявление эмоционального контекста фрагментов текста = Methods for detecting the text emotional context / К. А. Павлюченко // Информационные системы и технологии : сборник статей 61-ой юбилейной научной конференции аспирантов, магистрантов и студентов, Минск, 21–25 апреля 2025 г. / Институт информационных технологий Белорусского государственного университета информатики и радиоэлектроники ; редкол.: А. И. Парамонов [и др.]. – Минск, 2025. – С. 72–75. |
| Abstract: | Представлен метод анализа эмоционального контекста текста, ориентированный на устранение недостатков существующих подходов к определению тональности. Предложено использование каскадной модели, состоящей из основного
классификатора эмоций, анализатора эмодзи, детектора сарказма, контекстного анализатора и механизма консолидации.
Модель основана на трансформере (RoBERTa или DistilBert), дополненном специальными модулями для распознавания тонких элементов эмоционального выражения. Экспериментально доказано значительное повышение точности анализа, особенно для коротких форматов общения (социальные сети, мессенджеры), содержащих эмоционально нагруженные элементы. Метод демонстрирует рост эффективности по сравнению с базовыми решениями, обеспечивая точное определение эмоционального состояния даже в сложных ситуациях. |
| Alternative abstract: | A method for analyzing the emotional context of text is presented, designed to address limitations of existing sentiment analysis techniques. A cascaded model is introduced, consisting of a base emotion classifier, emoji analyzer, sarcasm detector, context
evaluator, and consolidation mechanism. Built upon transformer architectures (RoBERTa or DistilBert), enhanced with specialized
modules for subtle emotional expressions, the model shows significant improvement in accuracy, particularly for short formats common in social media and messaging applications containing emotionally charged elements. Experimental results confirm increased efficiency compared to conventional methods, ensuring precise determination of emotional states even in complex situations. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/60567 |
| Appears in Collections: | Информационные системы и технологии : 61-я научная конференция аспирантов, магистрантов и студентов (2025)
|
