📊 Multiaspect Sentiment Analysis
Выпускная квалификационная работа, посвящённая разработке модели многоаспектного анализа тональности интернет-отзывов ресторанов на основе лексико-онтологического подхода.
📖 О проекте
В рамках выпускной квалификационной работы была разработана система автоматического анализа отзывов о ресторанах города Челябинска. В отличие от классического анализа тональности, модель позволяет определить эмоциональную окраску не только всего текста, но и каждого отдельного аспекта пользовательского опыта.
Для решения задачи была создана собственная онтология предметной области, разработан онтолексикон, реализован алгоритм автоматической аннотации текстов и построена система визуализации результатов.
🚀 Основные показатели проекта
⚙️ Технологический стек
🐍 Python
Основной язык разработки для обработки данных, анализа текста и визуализации результатов.
🌐 BeautifulSoup
Использовался для автоматического парсинга отзывов с платформ 2ГИС и Яндекс Карты.
📊 Pandas + NumPy
Обработка корпуса отзывов, статистический анализ и подготовка данных.
📈 Matplotlib
Построение диаграмм для визуализации аспектов и результатов анализа.
🧠 NLP
Автоматическая концептуальная аннотация текста с использованием собственного онтолексикона.
📚 Ontology
Разработка предметной онтологии и системы аспектов, используемых при анализе отзывов.
🧠 Методология исследования
Исследование основано на лексико-онтологическом подходе, объединяющем методы компьютерной лингвистики, обработки естественного языка и статистического анализа.
Рисунок 1 — последовательность выполнения работы.
🏷️ Пример работы системы аннотации
Ниже показано, как система преобразует исходный текст отзыва в структурированное представление с выделением аспектов и тональности.
📥 До аннотирования
"очень вкусная еда, но долго ждали заказ, официант был вежливый, атмосфера уютная, но цены высокие"
📤 После аннотирования
Очень вкусная еда → T-POSX Вежливый → S-POS Атмосфера уютная → A-POS Долго ждали → Q-NEG Цены высокие → P-NEG
📊 Результаты исследования
После автоматической аннотации корпуса отзывов были построены диаграммы, отражающие распределение аспектов и тональности для каждого исследуемого ресторана.
Горизонтальная галерея позволяет быстро сравнить результаты исследования между всеми заведениями.
Общая статистика
DOM
Хачапури, выпечка и вино
Итальянка
По чесноку
Максимилианс
🚀 Итоги проекта
В результате выпускной квалификационной работы была разработана полноценная система многоаспектного анализа тональности отзывов, объединяющая методы компьютерной лингвистики, онтологического моделирования и анализа данных.
Исследование включало полный цикл обработки данных: сбор отзывов, построение онтологии, создание онтолексикона, автоматическую аннотацию корпуса, статистический анализ и визуализацию результатов.
Полученные результаты могут использоваться для мониторинга репутации ресторанов, анализа клиентского опыта и поддержки принятия управленческих решений.