Г.Н. Жолобова1, Е.Д. Синицына2

1,2 Финансовый университет при Правительстве Российской Федерации (Москва, Россия)
1 gnzholobova@fa.ru, 2 221766@edu.fa.ru

Постановка проблемы. Анализ лояльности сотрудников и эмоциональной окраски их отзывов является важной проблемой для корпоративных аналитиков и специалистов по управлению персоналом. Точность выводов, полученных на основе анализа отзывов сотрудников, напрямую зависит от качества предобработки текстовых данных, что в настоящее время недостаточно исследовано и требует более глубокого внимания.

Цель. Обосновать способы улучшения качества анализа эмоциональной окраски текстов и оценку лояльности сотрудников путем определения наиболее эффективных методов предварительной обработки данных для моделей машинного обучения BERT, DistilBERT и RoBERTa.

Результаты. Предложены практические рекомендации по предобработке текстовых данных, включая очистку, нормализацию, удаление стоп-слов, стемминг и лемматизацию. Доказано, что оптимальная предобработка позволяет достичь точности до 91% для модели RoBERTa.

Практическая значимость. Проведенное исследование выявило ключевые методы предобработки текстов, которые существенно повышают точность моделей машинного обучения в анализе лояльности сотрудников. Улучшение таких процессов предобработки данных, как очистка текста, нормализация, удаление стоп-слов и расшифровка профессиональных терминов, позволяет значительно повысить оценку эмоциональной окраски отзывов сотрудников. Эти результаты могут быть внедрены в аналитические системы, используемые специалистами по управлению персоналом и корпоративными аналитиками, для более точного анализа настроений и вовлеченности сотрудников, что в конечном итоге способствует улучшению управления корпоративной культурой и повышению общей удовлетворенности сотрудников.

Жолобова Г.Н., Синицына Е.Д. Влияние методов предобработки текста на эффективность моделей машинного обучения для анализа лояльности сотрудников // Нелинейный мир. 2024. Т. 22. № 4. С. 102–107. DOI: https://doi.org/10.18127/j20700970-202404-13

1. Резапова Д.Б. Вовлеченность сотрудников в работу. Университетское управление: практика и анализ. 2016. № 1 (101). URL: https://cyberleninka.ru/article/n/vovlechennost-sotrudnikov-v-rabotu.
2. Miriam Alzate, Marta Arce-Urriza, Javier Cebollada. Mining the text of online consumer reviews to analyze brand image and brand positioning. 2022. URL: https://www.sciencedirect.com/science/article/pii/S0969698922000820.
3. Бунина Е.В. Инновационные методы управления персоналом. 2019. URL: https://cyberleninka.ru/article/n/innovatsionnye-metody-upravleniya-personalom-1.
4. Majed A. Alshamari. Evaluating User Satisfaction Using Deep-Learning-Based Sentiment Analysis for Social Media Data in Saudi Arabia’s Telecommunication Sector. 2023. URL: https://www.mdpi.com/2073-431X/12/9/170.
5. Bakhshi A., Kumar K. Organizational Commitment as predictor of Organizational Citizenship Behavior. URL: https://core.ac.uk/download/pdf/234624049.pdf.
6. Онучин A. Вовлеченность персонала: от измерения к управлению. URL: https://www.ecopsy.ru/insights/vovlechennost-personala-ot-izmereniya-k-upravleniyu/.
7. Qurvenianto H.A., Tobing D.S.K., Handriyono The Effect Of Employee Loyalty And Work Creativity On Work Performance Of Employee Through Career Development PT. Astra International, Tbk Isuzu Malang.
8. Narariya Dita Handani, Angellie Williady, Hak-Seon Kim. An Analysis of Customer Textual Reviews and Satisfaction at Luxury Hotels in Singapore’s Marina Bay Area (SG-Clean-Certified Hotels). 2022. URL: https://www.mdpi.com/2071-1050/14/15/9382.
9. Oehler K. Модель вовлеченности сотрудников Kincentric. Aon Hewitt. URL: https://axes.ru/articles/model-vovlechennosti-sotrudnikov-aon-hewitt/.
10. Allen N.J., Meyer J.P. The measurement and antecedents of affective, continuance and normative commitment to the organization. Journal of occupational psychology/ 1990. V. 63(1). P. 1–18.
11. Tom Young, Devamanyu Hazarika, Soujanya Poria, Erik Cambria. Recent Trends in Deep Learning Based Natural Language Processing. 2020.