Влияние методов предобработки текста на эффективность моделей машинного обучения для анализа лояльности сотрудников

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.