Покращення персоналізації в електронній комерції за допомогою технік обробки природної мови

Abstract

Магістерська кваліфікаційна робота виконана студентом групи КНСШ-21 Вілінський Тарасом Віталійовичем. Тема “Покращення персоналізації в електронній комерції за допомогою технік обробки природної мови”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 “Комп’ютерні науки”. Метою роботи є створення ефективного рішення для аналізу тональності відгуків клієнтів у сфері електронної комерції шляхом розробки архітектури ансамблевої нейронної мережі, що дозволить покращити персоналізацію та підвищити рівень задоволення споживачів. Об’єктом дослідження є процес аналізу відгуків клієнтів для підвищення персоналізації у сфері електронної комерції. Предметом дослідження є методи та алгоритми обробки природної мови, що застосовуються для аналізу тональності та автоматичної персоналізації. Досягнення мети відбувається за рахунок розробки та застосування ансамблевого підходу, що об’єднує кілька моделей для аналізу тональності тексту. У рамках ансамблю використовуються моделі RoBERTa, ALBERT та FastText, що забезпечують обробку тексту на різних рівнях – від загального контексту до детального аналізу підслів. Кінцевий прогноз формується за допомогою мета-моделі логістичної регресії, яка поєднує результати окремих моделей, оптимізуючи точність і стабільність класифікації. Етапи обробки даних включають ретельну підготовку тексту: видалення зайвих символів, URL-посилань, а також балансування класів для досягнення рівномірного представлення кожної категорії тональності. Апробація системи проведена на реальних даних користувацьких відгуків, що підтвердило її ефективність для персоналізації та покращення рекомендацій на основі настроїв клієнтів. Загальний обсяг роботи: 72 сторінки, 21 рисунок, 18 посилань. Master’s degree work of the student of the group CSAI-21 Vilinskyi Taras Vitaliyovych. The topic is “Enhancing E-commerce Personalization through Natural Language Processing Techniques”. The work is aimed at obtaining a master’s degree in 122 “Computer Science”. The goal of the research is to develop an effective solution for sentiment analysis of customer reviews in e-commerce by designing an ensemble neural network architecture. This approach aims to enhance personalization and increase customer satisfaction. The object of research is the process of analyzing customer reviews to improve personalization in e-commerce. The subject of research is methods and algorithms of natural language processing applied to sentiment analysis and automated personalization. The goal is achieved through the development and application of an ensemble approach that combines several models for sentiment analysis. The ensemble includes RoBERTa, ALBERT and FastText models, providing multi-level text processing – from general context to fine-grained subword analysis. The final prediction is generated by a logistic regression meta-model that combines the individual model results, optimizing the accuracy and stability of classification. These involve thorough text cleaning, removal of extraneous symbols and URLs, as well as class balancing to ensure equal representation of each sentiment category. The proposed system has been tested on a real-world dataset of user reviews in e-commerce, demonstrating its effectiveness in tasks related to personalization and improved recommendation accuracy based on customer sentiment. The total volume of work: 72 pages, 21 figures, 18 references.