ПОРІВНЯЛЬНИЙ АНАЛІЗ ПІДХОДІВ ТА МЕТОДІВ ВИЗНАЧЕННЯ ТОНАЛЬНОСТІ ТЕКСТУ В КОНТЕКСТІ ОПРАЦЮВАННЯ ВІДГУКІВ МЕШКАНЦІВ МІСТА

Анотація

У статті представлено ґрунтовний порівняльний аналіз сучасних підходів і методів, що застосовуються для визначення емоційного тону тексту, з особливим акцентом на україномовний контент. Актуальність дослідження зумовлена зростаючою потребою в ефективних інструментах для обробки зворотного зв’язку від громадян, зібраного через цифрові платформи, мобільні застосунки та соціальні мережі, які є цінними джерелами інформації для вдосконалення міського управління та якості надання послуг. Метою дослідження є подолання методологічного та лінгвістичного розриву в аналізі тональності українською мовою, яка, на відміну від англійської, досі залишається недостатньо забезпеченою лексичними базами, корпусами та попередньо навченими моделями.У статті систематизовано методи аналізу тональності в межах чотирьох основних парадигм: лексиконно-орієнтованого, підходу на основі правил, підходу машинного навчання та гібридного. Для кожного підходу розглянуто його теоретичне підґрунтя, характерні алгоритми, лінгвістичні інструменти та приклади практичного застосування. Лексиконно-орієнтовані методи, зокрема ті, що використовують словник NRC EmoLex та корпусні інструменти на кшталт Sketch Engine, відзначаються простотою використання та адаптивністю до середовищ із обмеженими ресурсами. Підходи на основі правил, такі як VADER і LIWC, виокремлюються здатністю враховувати синтаксичну структуру, підсилювачі та заперечення, забезпечуючи кращу інтерпретованість, хоча й обмежену мовну універсальність.У розділі, присвяченому машинному навчанню, розглянуто як традиційні алгоритми класифікації – зокрема моделі на основі граничних гіперплощин, ймовірнісного підходу та деревоподібних структур, – так і сучасні архітектури глибокого навчання, включно з багатошаровими нейронними мережами. Також проаналізовано підхід максимальної ентропії як приклад статистичного моделювання з мінімальними припущеннями щодо вхідних ознак.Особливу увагу приділено сучасним глибоким нейронним мережам – згортковим нейронним мережам (CNN), рекурентним мережам LSTM та трансформерним архітектурам, таким як BERT, RoBERTa і GPT. Представлені емпіричні результати з останніх досліджень підтверджують високу ефективність трансформерних моделей у багатомовних умовах, зокрема при аналізі тональності українських текстів, де моделі XLM-RoBERTa та Ukr-RoBERTa досягли точності понад 91 %. У завершальній частині статті розглянуто гібридні моделі, що поєднують переваги різних підходів з метою підвищення стійкості, точності та адаптивності до доменної специфіки. Ось перефразований варіант: Запропонована класифікаційна структура, розроблена на основі результатів дослідження, забезпечує цілісне уявлення про існуючі методи та становить методологічне підґрунтя для розробки інтелектуальних систем підтримки прийняття рішень в управлінні містом із залученням громадськості. У висновках окреслено перспективи подальших досліджень, серед яких – локалізація моделей глибокого навчання для української мови, інтеграція аналізу тональності з виділенням тем і іменованих сутностей, а також застосування методів напівконтрольованого та активного навчання для покращення результатів у разі обмеженості анотованих даних. Загалом, запропонована таксономія не лише відображає поточний стан технологій аналізу тональності, а й задає вектори їх подальшого розвитку в умовах багатомовності та соціально орієнтованих застосувань.