ВВЕДЕНИЕ 3
ГЛАВА 1 АНАЛИЗ И ВЫБОР НЕЙРОННОЙ СЕТИ ДЛЯ ОБРАБОТКИ
ТЕКСТА 6
1.1 Анализ существующих решений обработки текста 6
1.1.1 Нейронные сети 6
1.1.2 Рекуррентные нейронные сети (RNN) 7
1.1.3 Управляемые рекуррентные нейроны (GRU) 8
1.1.4 Нейроны с длительной кратковременной памятью (LSTM) 8
1.2 Выбор нейронной сети для разработки 9
1.3 Создание набора данных для обучения 11
1.4 Разработка алгоритма и обучение нейронной сети 12
ГЛАВА 2 РАЗРАБОТКА WEB-СЕРВИСА 16
2.1 Архитектура сервиса 16
2.2 Инструменты разработки 19
2.3 База данных 21
2.4 Создания API 23
2.4.1 API для отправки текста на анализ 25
2.4.2 API для составления рейтинга 26
2.4.3 Сериализация данных 28
2.5 Панель администрирования 30
2.6 Интеграция нейронной сети с сервисом 32
Заключение 34
Список используемой литературы 35
Приложение 37
Целью магистерской работы "Разработка сервиса для блокировки публикаций с негативными комментариями на основе машинного обучения" является создание эффективной автоматической системы, которая будет способна идентифицировать негативные комментарии и сообщать о них на ранних этапах.
Объектом исследования является идентификация и блокировка публикаций с негативными комментариями в интернете при помощи нейронной сети.
Предметом исследования является разработка web-сервиса для блокировки негативных комментариев с использованием машинного обучения.
Задачи. Были поставлены следующие задачи для реализации работы:
1. Выполнить анализ существующих методов анализа текстовых данных с использованием нейронной сети.
2. Провести обучение модели с использованием набора данных и оценку ее точности и эффективности.
3. Разработать алгоритм для автоматической идентификации негативных комментариев.
4. Реализовать сервис для блокировки негативных комментариев на основе REST API.
5. Разработать функционал для составления рейтинга интернет- ресурсов.
Все эти задачи в совокупности позволят разработать эффективный и точный сервис для блокировки негативных комментариев с использованием методов машинного обучения.
Магистерская диссертация состоит из введения, двух глав, заключения, списка используемой литературы и приложения. Во введении раскрыта актуальность темы исследования, представлена цель и выполнена постановка задачи. В первой главе проведен анализ существующих решений обработки текста, подробно рассмотрены нейронные сети, рекуррентные нейронные сети (RNN), управляемые рекуррентные нейроны (GRU) и нейроны с длительной кратковременной памятью (LSTM). Выбрана нейронная сеть для разработки, создан набор данных для обучения, а также разработан алгоритм и выполнено обучение нейронной сети. Вторая глава посвящена разработке web-сервиса. А именно: определена архитектура сервиса, выбраны инструменты для разработки, спроектирована база данных, создано API для отправки текста на анализ и для составления рейтинга, выполнена сериализация данных, разработана панель администрирования и произведена интеграция нейронной сети с сервисом. Заключение содержит основные результаты и выводы по теме магистерской диссертации. Список используемой литературы содержит электронные ресурсы, учебные пособия и другие источники. В приложении приведен программный код на языке Python.
Войти
в кабинет
в кабинет
' .
Пролистайте материалы и убедитесь в качестве
Разработка сервиса для блокировки публикаций с негативными комментариями на основе машинного обучения #9106196
Артикул: 9106196
- Предмет: Программирование
- Уникальность: 77% (Антиплагиат.ВУЗ)
- Разместил(-а): 185 Рамиль в 2023 году
- Количество страниц: 51
- Формат файла: docx
1 999p.
1. Django 2.1. Практика создания веб-сайтов на Python/ Дронов. BHV, 2019. 672 c.
2. Django Unleashed 1st Edition/ Пинкхэм. Sams Publishing, 2015 – 835 c.
3. Keras и Tensorflow – классификация текста [Электронный ресурс]. URL: https://cloud.croc.ru/blog/about-technologies/keras-i-tensorflow-klassifik atsiya-teksta/ (Дата обращения: 20.05.2023)
4. RNN, LSTM, GRU и другие рекуррентные нейронные сети. [Электронные ресурс]. URL: http://vbystricky.ru/2021/05/rnn_lstm_gru_etc.html (Дата обращения: 15.05.2023)
5. В помощь дата-сайентисту: настройка нейронной сети с помощью Python-библиотеки Keras [Электронный ресурс]. URL: https://habr. com/ru/companies/sberbank/articles/695588/ (Дата обращения: 20.04.2023)
6. Кастомизация админ-панели Django [Электронный ресурс]. URL: https://pythonist.ru/kastomizacziya-admin-paneli-django/ (Дата обращения: 10.04.2023)
7. Негатив в социальных сетях: какой он бывает и как на него реагировать [Электронный ресурс]. URL: https://jagajam.com/blog/ article/negativ-v-sotsialnykh-setyakh-kakoy-on-byvaet-i-kak-na-nego-reagirovat (Дата обращения: 20.03.2023)
8. Программируем на Python/ Доусон. Питер, 2014 – 416 с.
9. Разработка, основанная на тестировании, на Python: Соблюдайте правила тестирования: используйте Django, Selenium и JavaScript / Гарри Персиваль. O'Reilly Media, 2017 – 945 c.
10. Сайт администратора Django [Электронный ресурс]. URL: https://djangodoc.ru/3.2/ref/contrib/admin/ (Дата обращения: 20.05.2023)
11. Социальные сети в России: цифры и тренды, осень 2022 [Электронный ресурс]. URL: https://br-analytics.ru/blog/social-media-russia- 2022/ (Дата обращения: 20.05.2023)
12. Учебное пособие. Искусственные нейронные сети и их приложения/Ф.М. Гафаров, А.Ф. Галимянов. Издательство Казанского университета, 2018 – 121 c.
13. Часть 2: REST API, приложения и Django REST фреймворк [Электронный ресурс]. URL: https://maksimdzhangirov.gitbooks.io/sovremennii- uchebnik-po-django/content/chast-ii-rest-api-prilozheniya-i-django-rest-freimvork. html (Дата обращения: 10.05.2023)
14. Чистый Python. Тонкости программирования для профи/ Бейдер. Питер, 2018 – 288 с.
15. Что такое нейронная сеть? [Электронный ресурс]. URL: https://aws. amazon.com/ru/what-is/neural-network/ (Дата обращения: 20.05.2023)
2. Django Unleashed 1st Edition/ Пинкхэм. Sams Publishing, 2015 – 835 c.
3. Keras и Tensorflow – классификация текста [Электронный ресурс]. URL: https://cloud.croc.ru/blog/about-technologies/keras-i-tensorflow-klassifik atsiya-teksta/ (Дата обращения: 20.05.2023)
4. RNN, LSTM, GRU и другие рекуррентные нейронные сети. [Электронные ресурс]. URL: http://vbystricky.ru/2021/05/rnn_lstm_gru_etc.html (Дата обращения: 15.05.2023)
5. В помощь дата-сайентисту: настройка нейронной сети с помощью Python-библиотеки Keras [Электронный ресурс]. URL: https://habr. com/ru/companies/sberbank/articles/695588/ (Дата обращения: 20.04.2023)
6. Кастомизация админ-панели Django [Электронный ресурс]. URL: https://pythonist.ru/kastomizacziya-admin-paneli-django/ (Дата обращения: 10.04.2023)
7. Негатив в социальных сетях: какой он бывает и как на него реагировать [Электронный ресурс]. URL: https://jagajam.com/blog/ article/negativ-v-sotsialnykh-setyakh-kakoy-on-byvaet-i-kak-na-nego-reagirovat (Дата обращения: 20.03.2023)
8. Программируем на Python/ Доусон. Питер, 2014 – 416 с.
9. Разработка, основанная на тестировании, на Python: Соблюдайте правила тестирования: используйте Django, Selenium и JavaScript / Гарри Персиваль. O'Reilly Media, 2017 – 945 c.
10. Сайт администратора Django [Электронный ресурс]. URL: https://djangodoc.ru/3.2/ref/contrib/admin/ (Дата обращения: 20.05.2023)
11. Социальные сети в России: цифры и тренды, осень 2022 [Электронный ресурс]. URL: https://br-analytics.ru/blog/social-media-russia- 2022/ (Дата обращения: 20.05.2023)
12. Учебное пособие. Искусственные нейронные сети и их приложения/Ф.М. Гафаров, А.Ф. Галимянов. Издательство Казанского университета, 2018 – 121 c.
13. Часть 2: REST API, приложения и Django REST фреймворк [Электронный ресурс]. URL: https://maksimdzhangirov.gitbooks.io/sovremennii- uchebnik-po-django/content/chast-ii-rest-api-prilozheniya-i-django-rest-freimvork. html (Дата обращения: 10.05.2023)
14. Чистый Python. Тонкости программирования для профи/ Бейдер. Питер, 2018 – 288 с.
15. Что такое нейронная сеть? [Электронный ресурс]. URL: https://aws. amazon.com/ru/what-is/neural-network/ (Дата обращения: 20.05.2023)
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач,
сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением.
Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения,
соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
| Тема: | Разработка сервиса для блокировки публикаций с негативными комментариями на основе машинного обучения |
| Артикул: | 9106196 |
| Дата написания: | 24.06.2023 |
| Тип работы: | Магистерская диссертация |
| Предмет: | Программирование |
| Оригинальность: | Антиплагиат.ВУЗ — 77% |
| Количество страниц: | 51 |
Скрин проверки АП.ВУЗ приложен на последней странице.
Работа включает в себя только пояснительную записку и листинг программы
Работа включает в себя только пояснительную записку и листинг программы
Файлы артикула: Разработка сервиса для блокировки публикаций с негативными комментариями на основе машинного обучения по предмету программирование
Пролистайте "Разработка сервиса для блокировки публикаций с негативными комментариями на основе машинного обучения" и убедитесь в качестве
После покупки артикул автоматически будет удален с сайта до 21.02.2025
Посмотреть остальные страницы ▼
Честный антиплагиат!
Уникальность работы — 77% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.
Утром сдавать, а работа еще не написана?
Через 30 секунд после оплаты вы скачаете эту работу!
Сегодня уже купили 63 работы. Успей и ты забрать свою пока это не сделал кто-то другой!
ПРЕДЫДУЩАЯ РАБОТА
Информационная система отдела транспортной логистики предприятия
СЛЕДУЮЩАЯ РАБОТА
Мобильное приложение для контроля здоровья с обеспечением защиты данных