Аннотация:

Технологии анализа тональности текста развиваются интенсивно, что обусловлено ростом объемов открытых источников, представляющих мнения пользователей интернета по различным вопросам. В статье описаны методы для анализа тональности текстов отзывов и коротких сообщений (твитов), приводятся результаты оценки их качества, которая производилась в рамках российского семинара SentiRuEval-2015.

Аннотация:

Несмотря на значительный прогресс, технологии оптического распознавания символов (OCR) для исторических газет по-прежнему допускают 5–10% ошибок на уровне символов. В работе представлена полностью автоматизированная система нормализации пост-OCR, объединяющая легкие языковые модели (LLM) объемом 7–8 млрд параметров, обученные по инструкциям и квантизованные до 4 бит (INT4), с небольшим набором регулярных выражений. На наборе данных BLN600 (600 страниц британских газет XIX в.) лучшая модель YandexGPT-5-Instruct Q4 снижает Character Error Rate (CER) с 8.4% до 4.0% (–52.5%) и Word Error Rate (WER) с 20.2% до 6.5% (–67.8%), повышая при этом семантическое сходство до 0.962. Система работает на потребительском оборудовании (RTX-4060 Ti, 8 ГБ VRAM) со скоростью около 35 секунд на страницу и не требует дополнительного обучения или параллельных данных. Полученные результаты показывают, что компактные INT4-LLM являются практичной альтернативой крупным моделям для постобработки OCR исторических документов.

Аннотация: Исследованы аспект выявления психологического портрета респондента и генерация отношения к нему социальным агентом на основе анализа тональности диалога. Рассмотрены принципы генерации отношения социального агента к респонденту и изменение его эмоционального настроя на протяжении общения. Реализация поставленной задачи осуществлена с помощью языка программирования Python и работы с реальными данными. Проведенный анализ алгоритмов классификации, основанных на подходах машинного обучения, подтвердил практическую значимость работы.

Аннотация: Рассмотрены эмоциональные человеко-машинные интерфейсы, а именно, антропоморфные социальные агенты. Описана кросс-дисциплинарная задача создания антропоморфного агента, который «чувствует» и «реагирует» на эмоциональные стимулы. Предложена нейробиологически инспирированная реализация, основанная на механике химических и физических процессов, происходящих в человеческом мозге. Проектирование и разработка эмоциональной модели осуществлены симуляцией нейромодуляторов: дофамина, серотонина, нор-адреналина. Отображение эмоций достигается за счёт комбинации данных нейромодуляторов в различных пропорциях. Для этого используется гипотеза Хьюго Лёфхейма («куб эмоций»), которая в свою очередь базируется на теории аффек-тов Сильвиана Томпкинса. Описаны преодоление феномена “uncanny valley” и подходы к пониманию взаимосвязей мимики и мотивации индивидуума. Построена реалистичная вычислительная модель, которая позволяет адекватно визуализировать мимику виртуального агента синхронизировано с производимой им речью. На основе трехмерной модели человеческой головы создан антропоморфный эмоциональный агент, способный на мимические реакции в связи с эмоцио-нальным контекстом.