Разработка моделей и методов text mining, семантической обработки текстов в задачах анализа потребностей, предпочтений и поведения потребителей (заключительный)

В рамках задачи профилирования пользователей проведен сравнительный анализ нескольких популярныхтематических моделей для анализа тональности, рекуррентных нейронных сетей, сверточных нейронных моделей на основе подхода к многозадачному обучению, применённых к текстам отзывов о лекарственных препаратах. Предложены новые признаки, использующие тематическую информацию, категорию лекарств в базе данных медикаментов (DrugBank), словари медицинских терминов и словари тональных слов, построенные вручную и автоматически. Проведены многочисленные эксперименты для оценки эффективности предложенных методов и качественный анализ результатов классификации с помощью стандартных тематических моделей. Дальнейшие перспективы исследования в задаче профилирования пользователей могут быть связаны с объединением тематических моделей и нейронных сетей в единые системы. Разработан фреймворк, объединяющий результаты указанных работ и состоящий из двух рекуррентных нейронных сетей, обученных на корпусе случаев применения лекарств (CADEC). Фреймворк предназначен для извлечения выражений, связанных с заболеваниями, и приведения извлеченных выражений к формальным медицинским терминам. Проведен качественный анализ описываемой системы.