Н.Г. Ярушкина – д.т.н., профессор, зав. кафедрой «Информационные системы»,  Ульяновский государственный технический университет

E-mail: jng@ulstu.ru

В.С. Мошкин – к.т.н., доцент, кафедра «Информационные системы», 

Ульяновский государственный технический университет

E-mail: v.moshkin@ulstu.ru

А.А. Филиппов – к.т.н., доцент, кафедра «Информационные системы»,  Ульяновский государственный технический университет

E-mail: al.filippov@ulstu.ru

Г.Ю. Гуськов – аспирант, кафедра «Информационные системы», 

Ульяновский государственный технический университет

E-mail: guskovgleb@gmail.com

А.А. Романов – к.т.н., доцент, кафедра «Информационные системы», 

Ульяновский государственный технический университет

E-mail: romanov73@gmail.com

А.М. Наместников – к.т.н., доцент, кафедра «Информационные системы»,  Ульяновский государственный технический университет E-mail: nam@ulstu.ru

Представлена архитектура разработанного интеллектуального программного инструмента семантического анализа социальных сетей, реализующего новые алгоритмы гибридизации онтологического анализа с методами обработки естественного языка для извлечения семантической и сентимент составляющих слабоструктурированных и неструктурированных текстовых ресурсов. Рассмотрена модель графовой базы знаний хранилища онтологии, а также предложен оригинальный алгоритм трансляции RDF/OWL-онтологии в графовую базу знаний.

1. Chetviorkin I., Loukachevitch N. Sentiment Analysis Track at ROMIP-2012. Computer linguistics and intellectual technologies.

Computer linguistics and intellectual technologies: Dialogue-2013. Sat. scientific articles V. 2. P. 40−50.

1. The Heart of the Elastic Stack. URL = https://www.elastic.co/products/elasticsearch (дата обращения 15.05.2018).
2. García-Moya L., Anaya-Sanchez H., Berlanga-Llavori R.. Retrieving product features and opinions from customer reviews // IEEE Intelligent Systems. 2013.  28(3). P. 19−27.
3. Key Trends to Watch in Gartner 2012 Emerging Technologies Hype Cycle. URL = http://www.forbes.com/sites/ gartnergroup/2012/09/18/key-trends-to-watch-in-gartner2012-emerging-technologies-hype-cycle-2 (дата обращения 15.05.2018).
4. Gjoka M. et al. Practical recommendations on crawling online social networks // IEEE Journal on Selected Areas in Communications. 2011. V. 29. № 9. P. 1872−1892.
5. Introducing the Neo4j Graph Platform. URL = https://neo4j.com (дата обращения 15.05.2018).
6. Leskovec J., Faloutsos C. Sampling from large graphs // Proceedings of the 12th ACM SIGKDD international conference on Knowledge discovery and data mining. 2006. ACM. P. 631−636.
7. MongoDB. For Giant ideas. URL = https://www.mongodb.com (дата обращения 15.05.2018).
8. OWL Web Ontology Language Overview. URL = https://www.w3.org/TR/owl-features (дата обращения 15.05.2018).
9. Resource Description Framework (RDF). URL = https://www.w3.org/RDF (дата обращения 15.05.2018).
10. Pallis G., Zeinalipour-Yazti D., Dikaiakos M. Online Social Networks: Status and Trends. New Directions in Web Data Management 1 // Studies in Computational Intelligence. 2011. V. 331. P. 213−234.
11. Pang B., Lee L., Vaithyanathan S. Thumbs up? Sentiment Classification using Machine Learning Techniques. 2002. P. 79−86.
12. Representational state transfer. URL = https://en.wikipedia.org/wiki/ Representational_state_transfer (дата обращения 15.05.2018).
13. Turney P. Thumbs Up or Thumbs Down? Semantic Orientation Applied to Unsupervised Classification of Reviews // Proceedings of the Association for Computational Linguistics. 2002. P. 417−424.
14. Yarushkina N., Filippov A., Moshkin V. Development of the unified technological platform for constructing the domain knowledge base through the context analysis // Communications in Computer and Information Science. 2017. V. 754. P. 62−72.
15. Антонова А., Соловьев А. Использование метода условных случайных полей для обработки текстов на русском языке. Компьютерная лингвистика и интеллектуальные технологии: «Диалог-2013» // Сб. науч. статей. № 12 (19). М.: Изд-во РГГУ. 2013. С. 27−44.
16. Пазельская А., Соловьев А. Метод определения эмоций в текстах на русском языке // Сб. науч. статей «Компьютерная лингвистика и интеллектуальные технологии «Диалог-2011». М.: Изд-во РГГУ. 2011. № 11(18). С. 510−523.
17. Тарасов Д. Глубокие рекуррентные нейронные сети для аспектно-ориентированного анализа тональности отзывов пользователей на различных языках // По материалам ежегодной Междунар. конф. «Диалог». Доклады специальных секций. В 2-х томах. М.: Изд-во РГГУ. 2015. Т. 2. № 14(21). С. 53−64.