Інтелектуальний аналіз тексту та тональності тексту
Спеціальність: Системи штучного інтелекту
Код дисципліни: 7.122.04.E.020
Кількість кредитів: 5.00
Кафедра: Системи штучного інтелекту
Лектор: Думин І.
Семестр: 2 семестр
Форма навчання: денна
Завдання: Вивчення навчальної дисципліни передбачає формування у здобувачів освіти компетентностей:
здатність генерувати нові ідеї (креативність);
здатність проведення досліджень на відповідному рівні;
здатність аналізувати предметну область, ідентифікувати, класифікувати та описувати проблеми, знаходити методи й підходи до їх розв’язання з використанням методів та засобів інтелектуального аналізу текстів, формулювати вимоги та оцінювати результати;
здатність розвивати й реалізовувати нові конкурентоздатні ідеї в галузі інтелектуального аналізу текстів та тональності текстів;
здатність розробляти та реалізовувати методи та засоби інтелектуального аналізу текстів;
здатність застосовувати і розвивати фундаментальні і міждисциплінарні знання, включаючи математичні і наукові принципи, теорію алгоритмів;
розуміння теоретичних засад, що лежать в основі методів досліджень інтелектуального аналізу текстів та тональності текстів.
Результати навчання: У результаті вивчення навчальної дисципліни здобувач освіти повинен бути здатним продемонструвати такі програмні результати навчання:
Знати постановку основних задач інтелектуального аналізу текстів та тональності текстів.
Знати основні проблеми інтелектуального аналізу текстів та тональності текстів.
Знати основні методи та засоби інтелектуального аналізу текстів та тональності текстів.
Знати основні підходи до використання методів та засобів інтелектуального аналізу текстів та тональності текстів.
Вміти розробляти та аналізувати методи та засоби інтелектуального аналізу текстів та тональності текстів.
Знати сучасні технології інтелектуального аналізу текстів та тональності текстів та вміти їхвикористовувати для розв’язання прикладних задач.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Попередні навчальні дисципліни:
Інтелектуальний аналіз даних
Методи та засоби інтеграції даних
Теорія прийняття рішень
Супутні і наступні навчальні дисципліни:
Управління процесами виконання проекту
Візуалізація даних
Машинне навчання
Короткий зміст навчальної програми: Навчальна дисципліна Інтелектуальний аналіз тексту та тональності тексту є складовою циклу професійної підготовки фахівців другого магістерського рівня освіти. Пропонований навчальний курс забезпечить студентам здобуття поглиблених теоретичних та практичних знань, умінь та розуміння, що відносяться до областей інтелектуального аналізу текстів, що дасть їм можливість ефективно виконувати завдання інноваційного характеру відповідного рівня професійної діяльності, яка орієнтована на дослідження й розв’язання складних задач розроблення інформаційних систем для задоволення потреб науки, бізнесу та підприємств у різних галузях.
Опис: Лекція 1. Завдання інтелектуального аналізу текстів.
Лекція 2. Класифікація текстів.
Лекція 3. Кластеризація текстів.
Лекція 4. Тематичне моделювання. Імовірнісний латентно-семантичний аналіз.
Лекція 5. Огляд синтагматичних звя’зків.
Лекція 6. Аналіз тональності текстів.
Лекція 7. Методи класифікації тональності.
Методи та критерії оцінювання: 1. Виконання лабораторних та практичних робіт та їх захист.
2. Написання розрахунково-графічної роботи.
3. Екзамен.
Критерії оцінювання результатів навчання: Лабораторна робота №1 - 10 балів
Лабораторна робота №2 - 10 балів
Лабораторна робота №3 - 10 балів
Лабораторна робота №4 - 10 балів
Розрахунково-графічна робота - 10 балів
Екзамен - 50 балів
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допускаються деякі неточності) навчального матеріалу компонента, що міститься в основних і додаткових рекомендованих літературних джерелах, вміння аналізувати явища, які вивчаються, у їхньому взаємозв’язку і роз витку, чітко, лаконічно, логічно, послідовно відповідати на поставлені запитання, вміння застосовувати теоретичні положення під час розв’язання практичних задач; 87–71 бал – («добре») виставляється за загалом правильне розуміння навчального матеріалу компонента, включаючи розрахунки , аргументовані відповіді на поставлені запитання, які, однак, містять певні (неістотні) недоліки, за вміння застосовувати теоретичні положення під час розв’язання практичних задач; 70 – 50 балів – («задовільно») виставляється за слабкі знання навчального матеріалу компонента, неточні або мало аргументовані відповіді, з порушенням послідовності викладення, за слабке застосування теоретичних положень під час розв’язання практичних задач; 49–26 балів – («не атестований» з можливістю повторного складання семестрового контролю) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння застосувати теоретичні положення під час розв’язання практичних задач; 25–00 балів – («незадовільно» з обов’язковим повторним вивченням) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння орієнтуватися під час розв’язання практичних задач, незнання основних фундаментальних положень.
Рекомендована література: 1. 1. Atika Mustafa, Ali Akbar, and Ahmer Sultan, "Knowledge Discovery using Text Mining: AProgrammable Implementation on Information Extraction and Categorization" // International Journal ofMultimedia and Ubiquitous Engineering. Vol. 4, No. 2, April, 2009, pp. 837 – 848.
2. 2. Baeza-Yates, B. Ribeiro-Neto, “Modern Information Retrieval”, ACM, Press, Page 64, Year1999.
3. 3. Y. Zhao, “Analysing twitter data with text mining and social network analysis,” in Proceedings of the11th Australasian Data Mining and Analytics Conference (AusDM 2013), 2013, p. 23.
4. 4. Dr shilpa Dang, Peerzada Hamid Ahmad, “A Review of Text Mining Techniques Associated withVarious Application Areas”, International Journal of Science and Research, ISSN (Online): 2319-7064, Volume4, Issue 2, 2015
5. 5. Chauhan Shrihari R, Amish Desai, “A Review on Knowledge discovery using Text classification techniques in Text Mining”, International Journal of Computer Applications (0975-8887) Volume-111-No6,2015
6. 6. Varsha C. Pande and A.S. Khandelwal “A Survey of Different Text Mining Techniques”, IBMRD'sJournal of Management & Research, ISSN: 2348-5922, Volume 3, No. 1, pp. 125-133, 2014.
7. 7. Areas Dr. Shilpa Dang, Peerzada Hamid Ahmad. A Review of Text Mining Techniques Associatedwith Various Application Areas // International Journal of Science and Research (IJSR), ISSN 2319-7064.Volume 4, Issue 2, February 2015, pp. 2461 – 2466.
8. 8. Survey of Text Mining I: Clustering, Classification, and Retrieval / Ed. by M. W. Berry. — 2004. — Springer, 2003. — 261 с. — ISBN 0387955631.
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою:
вул. Карпінського, 2/4, І-й н.к., кімн. 112
E-mail: nolimits@lpnu.ua
Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).