Використання інтелектуального аналізу даних для оптимізації комунікаційних процесів у месенджерах

Юрій Мочернюк; Ольга Мокрицька

Юрій Мочернюк НЛТУ України, Львів, Україна https://orcid.org/0009-0002-1370-363X
Ольга Мокрицька НУЛП, Львів, Україна https://orcid.org/0000-0002-2887-9585

Ключові слова: аналіз, машинне, навчання, месенджер, комунікація, аналіз настроїв, логістична регресія, кластерний аналіз, TF-IDF, UX

Анотація

Роль месенджерів у сучасному цифровому середовищі є важливим інструментом для особистої, бізнес-комунікації та навчання. Зокрема, увага акцентується на впливі користувацького досвіду (UX) на ефективність взаємодії з платформами, а також на необхідності дослідження та оптимізації UX за допомогою інтелектуального аналізу даних. Методи інтелектуального аналізу даних, такі як аналіз настроїв та кластерний аналіз в контексті дослідження та оптимізації користувацьких взаємодій в комунікаційних додатках дають змогу оптимізація ці аспекти та підвищити продуктивність користувачів.

Посилання

[1] Jurafsky, D., & Martin, J. H. (2020). "Speech and Language Processing" (3rd Edition). Pearson.
[2] Manning, C. D., Raghavan, P., & Schütze, H. (2008). "Introduction to Information Retrieval." Cambridge University Press.
[3] Liu, B. (2012). "Sentiment Analysis and Opinion Mining." Morgan & Claypool Publishers.
[4] Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O.,... & Duchesnay, E. (2011). "Scikit-learn: Machine Learning in Python." Journal of Machine Learning Research, 12, 2825-2830.
[5] Bird, S., Klein, E., & Loper, E. (2009). "Natural Language Processing with Python: Analyzing Text with the Natural Language Toolkit." O'Reilly Media.
[6] Goldberg, Y. (2016). "A Primer on Neural Network Models for Natural Language Processing." Journal of Artificial Intelligence Research, 57, 345-420.
[7] Aggarwal, C. C., & Zhai, C. (2012). "Mining text data." Springer Science & Business Media.