Статья посвящена сравнению традиционного и нейросетевого подходов к анализу пользовательских отзывов на мобильные приложения банков. Авторы показывают недостатки традиционного подхода, основанного на числовых оценках, который часто не отражает истинное содержание отзывов. В противовес этому рассматриваются преимущества нейросетевого подхода, включающего анализ тональности, классификацию текстов, тематическое моделирование и др. Такой подход позволяет точнее классифицировать негативные отзывы и выявлять скрытые проблемы. Результаты исследования демонстрируют, что нейросетевой подход демонстрирует превосходство по всем ключевым параметрам: точности, глубине анализа, гибкости и скорости обработки. Результаты работы имеют практическую значимость для банков, стремящихся улучшить процесс обработки пользовательской обратной связи.
В эпоху цифровизации отзывы пользователей стали ценным источником информации для бизнеса, особенно в сфере общественного питания. Автоматическая классификация отзывов открывает перед ресторанами и аналитическими компаниями новые горизонты. Она позволяет быстро обрабатывать большие объемы данных, выявлять тенденции и улучшать качество услуг. Однако, разнообразие методов классификации - от традиционных до современных нейросетевых - требует тщательного анализа их эффективности.
Данная работа посвящена техническим аспектам сбора и обработки пользовательских отзывов на мобильные приложения банков. Основное внимание сосредоточено на двух ключевых этапах: выборе инструментальных средств разработки и процессе сбора данных, которые станут фундаментом для последующего обучения нейросетевой модели и проведения нейросетевого анализа отзывов на мобильные приложения банков.
В данной работе представлена методология анализа пользовательских отзывов, основанная на двухэтапной предобработке текстовых данных. В основе подхода лежит идея раздельной обработки, которая включает в себя как лёгкую очистку текста от ненужных элементов, так и глубокую лингвистическую обработку с лемматизацией, что позволяет более точно выявлять важные аспекты. В качестве примера успешной реализации системы для анализа реальных отзывов пользователей приведены конкретные примеры, которые демонстрируют эффективность предложенного подхода.