Рекомендація книг з урахуванням емоцій, що містяться в текстових відгуках читачів

Адріан Другак; Андрій Коваленко; Олена Чайковська

doi:10.31866/2617-796X.8.1.2025.335530

Автор(и)

Адріан Другак Харківський національний університет радіоелектроніки, Україна https://orcid.org/0009-0009-1303-0608
Андрій Коваленко Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0003-2882-5082
Олена Чайковська Київський національний університет культури і мистецтв, Україна https://orcid.org/0000-0001-7769-1004

DOI:

https://doi.org/10.31866/2617-796X.8.1.2025.335530

Ключові слова:

аналіз емоцій, рекомендаційні системи, спільна фільтрація, книги, методи оцінювання рейтингу, розширення для рекомендаційних систем

Анотація

Метою статті є дослідження методів отримання даних емоційного аналізу текстових відгуків читачів для їх використання в рекомендаційних функціях систем електронної комерції, що надають послуги онлайн-читання книг або прослуховування аудіокниг.

Методи дослідження – системний підхід, методи системного аналізу та синтезу, методи структурного моделювання реляційних баз даних.

Наукова новизна полягає у розробці модифікованого методу визначення рекомендацій сумісної фільтрації на основі користувачів (Collaborative Filtering User Based), що враховує дані емоційного аналізу текстових відгуків на прочитані книги.

Висновки. У цій статті розглянуто три підходи до оцінювання емоцій текстових відгуків читачів. За першим підходом використовуються лексикони-словники, слова в яких індексуються за наборами емоцій. Оцінки емоцій тексту розраховуються за статистикою входження слів до наборів емоцій у лексиконі. За другим підходом використовується мовна модель BERT, яка дає змогу отримати оцінки емоцій за запитом до неї. Мовна модель BERT – це нейронна мережа, яка забезпечує можливість урахування смислового значення слів у реченні зі словами, що розташовані ліворуч і праворуч від них. За третім підходом використовується трансформер-бот ChatGPT. Оцінка емоцій, що міститься в тексті відгуків, може здійснюватися в реальному часі за допомогою функції API ChatGPT. Вихідними параметрами функції API є текст установки до аналізатора настроїв ChatGPT і текст відгуку, а вхідним параметром – дані оцінки емоцій у форматі JSON.

З урахуванням розглянутих підходів розроблено модифікований рекомендаційний метод спільної фільтрації на основі користувачів, який ураховує дані емоційного аналізу. Для цього запропоновано на етапі відбору даних ураховувати усереднену косинусну подібність рейтингових оцінок та оцінок емоцій текстових відгуків користувачів. Запропонований метод визначення рекомендацій може використовуватися в бібліотечних системах з реалізованою функцією користувача для надання відгуків на прочитані книги.

Біографії авторів

Адріан Другак, Харківський національний університет радіоелектроніки

Магістрант, кафедра системотехніки

Андрій Коваленко, Харківський національний університет радіоелектроніки

Кандидат технічних наук, старший науковий співробітник, доцент кафедри системотехніки

Олена Чайковська, Київський національний університет культури і мистецтв

Кандидат педагогічних наук, професор кафедри інформаційної діяльності та зв’язків з громадськістю

Посилання

Adomavicius, G. and Tuzhilin, A., 2005. Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions. IEEE Transactions on Knowledge and Data Engineering, [e-journal] 17 (6), pp.734-749. https://doi.org/10.1109/TKDE.2005.99

Devlin, J., Chang, M.-W., Lee, K. and Toutanova, K., 2019. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In: Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, NAACL-HLT 2019, Minneapolis, USA, June 2-7, 2019. Minneapolis: Association for Computational Linguistics, 2019, Vol. 1, pp.4171-4186.

Mohsen, A.M., Hassan, H.A. and Idrees, A.M., 2016. Documents Emotions Classification Model Based on TF-IDF Weighting Measure. International Journal of Computer and Information Engineering, [online] 10 (1), pp.252-258. Available at: <https://scispace.com/pdf/documents-emotions-classification-model-based-on-tf-idf-46yikynxgl.pdf> [Accessed 6 March 2025].

Ran, C., 2023. Emotion analysis of dialogue text based on ChatGPT: a research study. In: International Conference on Algorithms, High Performance Computing, and Artificial Intelligence (AHPCAI 2023), Proceedings, 18-19 August 2023, [e-journal] Vol. 12941, pp.12941- 37. https://doi.org/10.1117/12.3011507