<![CDATA[Статьи]]> https://habr.com/ru/users/dkey/publications/articles/ ru editor@habr.com habr.com Tue, 05 May 2026 19:04:24 GMT https://habr.com/ru/ https://habrastorage.org/webt/ym/el/wk/ymelwk3zy1gawz4nkejl_-ammtc.png Хабр <![CDATA[Insider API: поиск трендов и быстрая навигация в текстах соц. и традиционных медиа]]> https://habr.com/ru/articles/270607/ https://habr.com/ru/articles/270607/?utm_campaign=270607&utm_source=habrahabr&utm_medium=rss image
Читать дальше →]]> Wed, 18 May 2016 08:05:32 GMT <![CDATA[Анализ тональности в социальных медиа на русском языке при помощи RussianSentimentAnalyzer API]]> https://habr.com/ru/articles/262213/ https://habr.com/ru/articles/262213/?utm_campaign=262213&utm_source=habrahabr&utm_medium=rss API анализа тональности в социальных медиа на русском языке. Одной из отличительных фич системы является возможность определять тональность по отношению к заданному объекту мониторинга. Проиллюстрирую на примере:

Мне нравится телефон X, но телефон Y ужасен.

Читать дальше →]]> Fri, 10 Jul 2015 13:20:58 GMT <![CDATA[Weka проект для задачи распознавания тональности (сентимента)]]> https://habr.com/ru/articles/229779/ https://habr.com/ru/articles/229779/?utm_campaign=229779&utm_source=habrahabr&utm_medium=rss публикации на английском языке.

Интернет полон статьями, заметками, блогами и успешными историями применения машинного обучения (machine learning, ML) для решения практических задач. Кто-то использует его для пользы и просто поднять настроение, как эта картинка:

image

Правда, человеку, не являющемуся экспертом в этих областях, подчас не так просто подобраться к существующему инструментарию. Есть, безусловно, хорошие и относительно быстрые пути к практическому машинному обучению, например, Python-библиотека scikit. Кстати, этот проект содержит код, написанный в команде SkyNet (автору довелось быть её лидирующим участником) и иллюстрирующий простоту взаимодействия с библиотекой. Если вы Java разработчик, есть пара хороших инструментов: Weka и Apache Mahout. Обе библиотеки универсальны с точки зрения применимости к конкретной задаче: от рекомендательных систем до классификации текстов. Существует инструментарий и более заточенный под текстовое машинное обучение: Mallet и набор библиотек Stanford. Есть и менее известные библиотеки, как Java-ML.

В этом посте мы сфокусируемся на библиотеке Weka и сделаем проект-заготовку или проект-шаблон для текстового машинного обучения на конкретном примере: задача распознавания тональности или сентимента (sentiment analysis, sentiment detection). Несмотря на всё это, проект полностью рабочий и даже под commercial-friendly лицензией (сама Weka под GPL 3.0), т.е. при большом желании вы можете даже применить код в своих проектах. Читать дальше →]]> Mon, 14 Jul 2014 10:10:54 GMT