МЕТОД СЕМАНТИЧНОГО АНАЛІЗУ ДАНИХ ДЛЯ ВИЗНАЧЕННЯ МАРКЕРНИХ СЛІВ ПРИ ОБРОБЛЕННІ РЕЗУЛЬТАТІВ ОЦІНКИ ВІЗИТОРІВ В ІНТЕРАКТИВНОМУ МИСТЕЦТВІ

  • V. Narozhnyi
  • V. Kharchenko
Ключові слова: семантичний аналіз даних, обробка природної мови, прихований розподіл Діріхле, двонаправлені кодерні представлення з трансформаторів, інтерактивне мистецтво, аналіз емоційної реакції

Анотація

Предметом дослідження є поглиблений семантичний аналіз даних, що базується на інтеграції методологій латентного розподілу Діріхле (LDA) та двонаправленого кодувального представлення з трансформаторів (BERT). Це дослідження зосереджується на обробленні текстових даних, зокрема, оцінок відвідувачів інтерактивного мистецтва, для визначення слів-маркерів, які виділяють ключові емоційні та тематичні елементи. Мета: поглибити розуміння досвіду та сприйняття відвідувачами інтерактивних мистецьких інсталяцій шляхом визначення значущих слів-маркерів за допомогою комбінованого підходу LDA та BERT. Це комплексування має на меті охопити як загальний тематичний зміст, так і нюансований контекст зворотного зв'язку. Завдання: збір та попередня обробка текстових даних – оцінок відвідувачів, що складається з етапів токенізації, нормалізації та лематизації з впровадження LDA для виокремлення поширених тем із зібраних даних, що надає уявлення про основні теми, присутні у відгуках відвідувачів; інтеграція BERT для аналізу контекстуальних нюансів і виведення глибших значень з окремих слів у відгуках; поєднання результатів LDA та BERT для створення комплексного розуміння текстових даних, фокусуючись на виявленні найбільш значущих слів-маркерів. Досягнуто такі результати: виконано успішне виокремлення ключових тем з оцінок відвідувачів за допомогою LDA, що дозволило виявити широкі тематичні категорії, присутні у відгуках; запропоновано підхід глибокого навчання BERT, що забезпечив нюансовані контекстні вбудовування, підкреслюючи конкретні емоції та настрої, висловлені відвідувачами; здійснено інтеграцію результатів LDA та BERT, що надало багатий набір слів-маркерів, які ефективно відображають суть досвіду та сприйняття відвідувачами інтерактивного мистецтва; покращено точність і глибина аналізу у визначенні ключових емоційних і тематичних елементів, про що свідчить узгодженість і релевантність слів-маркерів відносно оцінок відвідувачів. Висновки: інтеграція LDA та BERT для семантичного аналізу даних в інтерактивних мистецьких контекстах демонструє потужний підхід для розуміння складних відгуків відвідувачів. Цей метод забезпечує дворівневий аналіз, де LDA пропонує розуміння загальних тем, а BERT сприяє детальному контекстуальному розумінню. Дослідження успішно визначає конкретні слова-маркери, які ефективно передають суть вражень та оцінок відвідувачів. Ця методологія може бути корисною для художників, кураторів та дослідників у вимірюванні публічної рецепції та покращенні інтерактивного мистецького досвіду. Адаптивність методології створює реальні перспективи її застосування в інших сферах, де потрібен детальний семантичний аналіз текстових відгуків.

Завантаження

Дані про завантаження поки що недоступні.

Посилання

1. O. Golembovska, V. Kharchenko, I. Shostak, M. Danova, and O. Feoktystova. Assessing the Perception of Abstract Paintings with Elements of Augmented Reality, 11th IEEE DESSERT, Ukraine, 2020. DOI: 10.1109/DESSERT50317.2020.9125014.
2. O. Golembovska, V. Kharchenko, I. Shostak, M. Danova, O. Feoktystova, and V. Plietnov, Augmented Reality for the Abstract Paintings: Application Scenarios, Semantic Similarity Analysis and Case Study, 2019 10th IEEE Int. Conf. on IDAACS.: Technology and Applications, Metz, France, 2019, pp. 1007-1011, DOI: 10.1109/IDAACS.2019.8924411.
3. N. Basov, R. Breiger, I. Hellsten. Socio-semantic and other dualities. Poetics. 2020. p.101433, DOI: 10.1016/j.poetic.2020.101433.
4. Pollux: Interactive Cluster-First Projections of High-Dimensional Data [Текст] / John E. Wenskovitch, C. North // 2019 IEEE Visualization in Data Science (VDS) - 2019. – pp.38-47, DOI: 10.1109/VDS48975.2019.8973381.
5. Visual-Textual Sentiment Analysis Enhanced by Hierarchical Cross-Modality Interaction [Текст] / Tao Zhou, Jiuxin Cao, Xueling Zhu, Bo Liu, Shancang Li // IEEE Systems Journal - 2021. – pp.4303-4314, DOI: 10.1109/jsyst.2020.3026879.
6. Neural Networks for Semantic Gaze Analysis in XR Settings / Lena Stubbemann, Dominik Dürrschnabel, R. Refflinghaus // ACM Symposium on Eye Tracking Research and Applications - 2021, DOI: 10.1145/3448017.3457380.
7. Multilingual Sequence Labeling Approach to solve Lexical Normalization / Divesh R. Kubal, Apurva Nagvenkar // 2021 The 7th Workshop on Noisy User-generated Text (W-NUT) - 2021. – p.457-464, DOI: 10.18653/v1/2021.wnut-1.51.
8. Proposed Natural Language Processing Preprocessing Procedures for Enhancing Arabic Text Summarization / Reda Elbarougy, G. M. Behery, Akram el Khatib // 2019. – p.39-57, DOI: 10.1007/978-3-030-34614-0_3.
9. The influence of preprocessing on text classification using a bag-of-words representation / Yaakov Hacohen-Kerner, Daniel Miller, Yair Yigal // PLoS ONE - 2020. – DOI: 10.1371/journal.pone.0232525.
10. Italian Text Categorization with Lemmatization and Support Vector Machines / F. Camastra, Gennaro Razi // 2020. – p.47-54, DOI: 10.1007/978-981-13-8950-4_5.
11. From Words to Numbers: Getting Started with Text Analysis for Applied Social Scientists [Текст] / Hyun Woo Kim, Hyejung Chang // BCRP (Business Communication Research and Practice) - 2020. – p.122-129, DOI: 10.22682/BCRP.2020.3.2.122.
12. A guided latent Dirichlet allocation approach to investigate real-time latent topics of Twitter data during Hurricane Laura / S. Zhou, P. Kan, Qunying Huang, J. Silbernagel // Journal of Information Science - 2021. DOI: 10.1177/01655515211007724.
13. Neural Topic Models for Short Text Using Pretrained Word Embeddings and Its Application To Real Data / R. Murakami, B. Chakraborty. 2021 IEEE 4th Int Conf on Knowledge Innovation and Invention (ICKII) - 2021. – p.146-150, DOI:10.1109/ICKII51822.2021.9574752.
14. Babeshko, I.; Leontiiev, K.; Kharchenko, V.; Kovalenko, A.; Brezhniev, E. Application of Assumption Modes and Effects Analysis to XMECA. In Theory and Engineering of Dependable Computer Systems and Networks; DepCoS-RELCOMEX 2021. Advances in Intelligent Systems and Computing; Springer: Cham, Switzerland, 2021; Volume 1389. DOI: 10.1007/978- 3-030-76773-0_1.
Опубліковано
2024-02-09
Як цитувати
Narozhnyi V. Метод семантичного аналізу даних для визначення маркерних слів при обробленні результатів оцінки візиторів в інтерактивному мистецтві / V. Narozhnyi, V. Kharchenko // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2024. – Т. 1 (75). – С. 141-145. – doi:https://doi.org/10.26906/SUNZ.2024.1.141.
Розділ
Інформаційні технології

Найбільш популярні статті цього автора (авторів)