Дифференциация текстов естественных языков методами векторизации (на материале коротких текстовых заметок пользователей социальных сетей)

Исследование текстовой информации, представленной в социальных сетях, различными методами интеллектуального анализа данных с целью выявления лингвистических закономерностей и принятия решений в настоящее время является крайне актуальной сферой исследований во всем мире. В качестве источников текстовой информации чаще всего используются Instagram (например, исследование маркетинговых кампаний наиболее распространенных вакцин от COVID-19 и отношения к ним пользователей (Amanatidis, D., Mylona, I., Kamenidou, I., Mamalis, S., Stavrianea, A. Mining Textual and Imagery Instagram Data during the COVID-19 Pandemic. Appl. Sci. 2021, 11, 4281. https://doi.org/10.3390/app11094281)), Twitter (исследование южноамериканского английского и американского английского диалектов Новой Англии (Kari Djuve, John W. Burris. A case study on the dialect identification of Twitter tweets using natural language processing and machine learning. Journal of Computing Sciences in Colleges, Volume 34, Issue 5, April 2019, pp 63–72); определение чувств и эмоций людей по их текстовым сообщениям (Yang, HC., Lee, CH. & Wu, CY. Sentiment Discovery of Social Messages Using Self-Organizing Maps. Cogn Comput 10, 1152–1166 (2018). https://doi.org/10.1007/s12559-018-9576-7)), Facebook (обнаружение оскорбительного и агрессивного контента (Merayo-Alba S., Fidalgo E., González-Castro V., Alaiz-Rodríguez R., Velasco-Mata J. (2019) Use of Natural Language Processing to Identify Inappropriate Content in Text. In: Pérez García H., Sánchez González L., Castejón Limas M., Quintián Pardo H., Corchado Rodríguez E. (eds) Hybrid Artificial Intelligent Systems. HAIS 2019. Lecture Notes in Computer Science, vol 11734. Springer, Cham. https://doi.org/10.1007/978-3-030-29859-3_22)). Разнообразие тематик перечисленных исследований и обилие еще не решенных в данной сфере задач подтверждают актуальность, теоретическую и практическую значимость избранной темы выпускной квалификационной работы.