dc.contributor.author |
Боженко, В. В. |
|
dc.contributor.author |
Гончарук, І. Г. |
|
dc.date.accessioned |
2024-10-11T11:50:44Z |
|
dc.date.available |
2024-10-11T11:50:44Z |
|
dc.date.issued |
2024-10-11 |
|
dc.identifier.citation |
Боженко В. В., Гончарук І. Г. Аналіз тональності текстів на основі методів машинного навчання для моніторингу суспільних настроїв щодо корупції. Науковий погляд: економіка та управління. 2024. №3(87). С. 7-11. |
uk_UA |
dc.identifier.issn |
2706-9079 |
|
dc.identifier.uri |
http://biblio.umsf.dp.ua/jspui/handle/123456789/6875 |
|
dc.description.abstract |
Стаття присвячена аналізу тональності текстів публікацій в засобах масової інформації, присвячених питанням
корупції, а також проведення аналізу контенту щодо корупції в світі та Україні. Для дослідження тональності тексту публікацій використано методи машинного навчання, а саме аналізатор VADER. Для аналізу обрано англомовні
статті, які опубліковані в газеті The Guardian. Періодом дослідження обрано 2021–2024 роки. Проведений аналіз продемонстрував, що домінантною емоційною тональністю статей про корупцію у світі в газеті The Guardian була негативна. Водночас емоційне забарвлення новинних текстів щодо питань корупції в Україні є більш негативним порівняно
зі світовими новинами з аналогічної проблематики. Результати дослідження мають практичне значення та можуть
бути використані громадськими організаціями, державними установами при оцінюванні ефективності політики щодо
запобігання та протидії корупції в країні. |
uk_UA |
dc.language.iso |
uk |
uk_UA |
dc.publisher |
Університет митної справи та фінансів |
uk_UA |
dc.subject |
корупція |
uk_UA |
dc.subject |
сентимент аналіз |
uk_UA |
dc.subject |
машинне навчання |
uk_UA |
dc.subject |
засоби масової інформації |
uk_UA |
dc.title |
Аналіз тональності текстів на основі методів машинного навчання для моніторингу суспільних настроїв щодо корупції |
uk_UA |
dc.title.alternative |
Sentimental analysis of texts based on machine learning methods to monitor public attitudes towards corruption |
uk_UA |
dc.type |
Article |
uk_UA |