23.05.2025; Вінниця, Україна: IX Міжнародна наукова конференція «Науковий простір: актуальні питання, досягнення та інновації»
Роботи, що індексуються в Google Scholar

МОДЕЛЮВАННЯ ТЕМАТИЧНИХ ТРЕНДІВ У УКРАЇНОМОВНИХ ДОПИСАХ СОЦІАЛЬНИХ МЕРЕЖ ЗАСОБАМИ ЛІНГВІСТИЧНИХ ЕМБЕДИНГІВ ТА ІЄРАРХІЧНОЇ КЛАСТЕРИЗАЦІЇ

  • Роман Линник,
  • Вікторія Висоцька
DOI: https://doi.org/10.62731/mcnd-23.05.2025.014
PDF

Опубліковано 23.05.2025

Як цитувати

Линник, Р., & Висоцька, В. (2025). МОДЕЛЮВАННЯ ТЕМАТИЧНИХ ТРЕНДІВ У УКРАЇНОМОВНИХ ДОПИСАХ СОЦІАЛЬНИХ МЕРЕЖ ЗАСОБАМИ ЛІНГВІСТИЧНИХ ЕМБЕДИНГІВ ТА ІЄРАРХІЧНОЇ КЛАСТЕРИЗАЦІЇ. Матеріали конференцій МЦНД, (23.05.2025; Вінниця, Україна), 422–425. https://doi.org/10.62731/mcnd-23.05.2025.014

Завантаження

Дані завантаження ще не доступні.

Авторське право (c) 2025 Роман Линник, Вікторія Висоцька

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution-ShareAlike 4.0 International License.

Google Scholar

Анотація

Упродовж останнього десятиліття соціальні мережі стали провідною платформою формування й трансляції суспільно значущих поглядів. Особливої актуальності набуває дослідження україномовного контенту, що активно продукується в Telegram-каналах. Інформаційна динаміка в таких мережах є високочастотною, тематично змінною і часто емоційно забарвленою, що ускладнює аналітичне узагальнення вручну. Саме тому важливим завданням стає створення автоматизованих методів семантичного структурування таких текстів для виявлення актуальних трендів.

PDF

Посилання

  1. 1. Feng, F., Yang, Y., Cer, D., Arivazhagan, N., Wang, W. Language-Agnostic BERT Sentence Embedding [Електронний ресурс] / F. Feng, Y. Yang, D. Cer, N. Arivazhagan, W. Wang. –
  2. 2020. – Режим доступу: https://arxiv.org/abs/2007.01852.
  3. 2. McInnes, L., Healy, J., Astels, S. hdbscan: Hierarchical density based clustering // Journal of Open Source Software. – 2017. – Vol. 2, No. 11. – P. 205. DOI: https://doi.org/10.21105/joss.00205.
  4. 3. Rokach, L., Maimon, O. Clustering Methods // Data Mining and Knowledge Discovery Handbook / L. Rokach, O. Maimon. – New York : Springer, 2005. – P. 321–352.
  5. 4. Qi, P., Zhang, Y., Zhang, Y., Bolton, J., Manning, C. D. Stanza: A Python NLP Library for Many Human Languages // Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics: System Demonstrations. – 2020. – P. 101–108. DOI: https://doi.org/10.18653/v1/2020.acl-demos.14.
  6. 5. McInnes, L., Healy, J., Melville, J. UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction [Електронний ресурс] / L. McInnes, J. Healy, J. Melville. – 2018. – Режим доступу: https://arxiv.org/abs/1802.03426.