💘 🚻 🙏🏼 निगरानी अभियान के कार्य में प्राकृतिक भाषा प्रसंस्करण ⛽️ 👨🏻‍🌾 👏

इस लेख में, हम प्राकृतिक भाषा प्रसंस्करण और मशीन लर्निंग का उपयोग करके इंटरनेट मीडिया के रोस्तोव क्षेत्रीय खंड में अभियान की निगरानी के लिए एक पद्धति विकसित करने की प्रक्रिया पर विचार करेंगे।

मैं विशिष्टताओं और बारीकियों पर भी ध्यान केंद्रित करूंगा, क्योंकि यह कार्य काफी विशिष्ट था: आंदोलन को आवंटित करना आवश्यक था, और यदि यह कानून का उल्लंघन कर सकता है, तो तुरंत चुनाव आयोग को सूचित करें। आगे देखते हुए, मैं कहता हूँ कि मैं सफलतापूर्वक कार्य के साथ सामना कर रहा हूँ।

इंटरनेट मीडिया के रोस्तोव क्षेत्रीय क्षेत्र में चुनाव प्रचार की निगरानी के लिए एक कार्यप्रणाली विकसित करने के कार्य में, ज्ञान के कई संबंधित क्षेत्रों के विकास शामिल हैं:

स्वचालित शब्द संसाधन (टेक्स्ट माइनिंग),
प्राकृतिक भाषा प्रसंस्करण,
मशीन लर्निंग।

इंटरनेट मीडिया के अभियान प्रकाशनों के लिए दस्तावेजों के इलेक्ट्रॉनिक अभिलेखागार बनाते समय, कार्य सूचना सरणी को व्यवस्थित करने के लिए उठता है जब कुछ निश्चित मानदंडों के पास होने वाले दस्तावेज़ों को श्रेणियों, रुब्रिक्स, संग्रहों, समूहों, कहानियों आदि में संयोजित किया जाता है।

बौद्धिक प्रणाली ने पाँचवें दीक्षांत समारोह [१] के रोस्तोव क्षेत्र के विधान सभा के चुनावों के चुनाव के दौरान इंटरनेट मीडिया के रोस्तोव क्षेत्रीय खंड में चुनाव प्रचार की निगरानी की।

प्रणाली स्वचालित रूप से क्षेत्रीय मीडिया साइटों से इलेक्ट्रॉनिक प्रकाशनों को ढूंढती है और डाउनलोड करती है। उसके बाद, विशेष रूप से विकसित एल्गोरिथम के अनुसार पाठ सरणियों का बौद्धिक प्रसंस्करण किया गया। एल्गोरिथ्म, अभियान प्रकाशनों की पहचान करने वाली भाषाई विशेषताओं का उपयोग करते हुए, प्रत्येक प्रकाशन के लिए अंक बनाए। किसी उम्मीदवार के लिए या उसके खिलाफ एक अभियान जिसमें कम से कम 10 का स्कोर होता है। एक प्रकाशन जिसमें एक उम्मीदवार के लिए या वर्तमान कानून का उल्लंघन करने वाले के खिलाफ अभियान होता है और कम से कम 20 का स्कोर होता है।

प्रतिदिन प्रणाली द्वारा रिपोर्ट तैयार की गई। रिपोर्ट xlsx फ़ाइल में शामिल थी और किसी भी स्प्रेडशीट प्रोग्राम में खुलती है।

स्वचालित वर्गीकरण प्रणाली के काम का मुख्य परिणाम निम्नानुसार है: सिस्टम ने इंटरनेट मीडिया के रोस्तोव क्षेत्रीय खंड में प्रचार प्रकाशनों का पता नहीं लगाया, उम्मीदवारों और चुनाव संघों द्वारा होस्ट किए गए रोस्तोव क्षेत्र के विधान सभा के चुनावों में भाग लेने वाले चुनाव संघों 08.09.2013 को। रिपोर्टिंग अवधि के लिए, निगरानी प्रणाली के संकेतक इस प्रकार हैं:

मीडिया संसाधनों की संख्या: 60
उम्मीदवारों की संख्या: 1161
प्रकाशनों की कुल संख्या: 5000 से अधिक
पूरी निगरानी अवधि के दौरान पाए गए संदिग्ध प्रकाशनों की संख्या जो कानून का उल्लंघन कर सकती है: 5
प्रकाशनों की संख्या में पाया गया कि महत्वपूर्ण रूप से चुनाव कानून का उल्लंघन होता है: 0

इंटरनेट मीडिया के रोस्तोव क्षेत्रीय सेगमेंट में अभियान नियंत्रण के उद्देश्य से बुद्धिमान प्राकृतिक भाषा डेटा प्रोसेसिंग के तरीकों को विकसित करने के लिए, निम्नलिखित वर्गीकरण कार्य को कटौतीत्मक तरीके से मशीन सीखने का उपयोग करके निर्धारित किया जाता है:

कई श्रेणियां (कक्षाएं, लेबल) हैं

। जब अभियान प्रकाशनों के साथ मीडिया प्रकाशनों को संसाधित किया जाता है, तो चार वर्ग प्रतिष्ठित होते हैं:

विधान का उल्लंघन
विधायी प्रचार प्रकाशन
गैर-अभियान सूचनात्मक प्रकाशन
प्रकाशन जिसके लिए एक वर्ग परिभाषित नहीं है (परिभाषा त्रुटि)

कई दस्तावेज हैं, इंटरनेट मीडिया के परीक्षण किए गए प्रकाशनों का एक सेट, जिसके लिए कक्षा को निर्धारित करना आवश्यक है

। अज्ञात लक्ष्य फ़ंक्शन

। क्लासिफायर बनाने के लिए यह जरूरी है

के करीब है

।

टैग किए गए दस्तावेज़ों का कुछ प्रारंभिक संग्रह है

जिसके लिए मूल्य ज्ञात हैं

- प्रामाणिक रूप से प्रचार प्रकाशनों का एक सेट। संग्रह "प्रशिक्षण" और "सत्यापन" भागों में विभाजित है। पहले का उपयोग क्लासिफायर को प्रशिक्षित करने के लिए किया जाता है, दूसरा - अपने काम की गुणवत्ता के स्वतंत्र सत्यापन के लिए।

क्लासिफायर सटीक उत्तर दे सकता है।

या समानता की डिग्री

। समानता की डिग्री सही ढंग से वर्गीकृत दस्तावेजों का प्रतिशत है।

"प्रशिक्षण" नमूने को संसाधित करने के लिए, तथाकथित "भोले" (सरलीकृत) बेयस एल्गोरिदम को चुना गया था। प्रशिक्षण गति, विभिन्न डेटा पर स्थिरता और कार्यान्वयन में आसानी के मामले में, "भोली" बेयस एल्गोरिथ्म लगभग सभी ज्ञात प्रभावी वर्गीकरण एल्गोरिदम [3] से आगे निकल जाता है।

एल्गोरिथ्म को वर्ग विशेषताओं के निश्चित मूल्यों के साथ इनपुट डेटा की सभी विशेषताओं के मूल्यों की सापेक्ष आवृत्तियों को निर्धारित करके प्रशिक्षित किया जाता है। इनपुट विशेषताओं के वेक्टर के लिए प्रत्येक वर्ग की सशर्त संभावना की गणना करने के लिए बेस नियम लागू करके वर्गीकरण किया जाता है। इनपुट वेक्टर एक ऐसे वर्ग को सौंपा गया है, जिसकी दी गई इनपुट विशेषताओं के लिए सशर्त संभावना अधिकतम है। एल्गोरिथ्म का "भोलापन" इस धारणा में निहित है कि इनपुट विशेषताएँ सशर्त रूप से (प्रत्येक वर्ग मूल्य के लिए) एक दूसरे से स्वतंत्र हैं। यह धारणा बहुत मजबूत है, और, कई मामलों में, गलत है, जो "भोले" बेयर्स एल्गोरिदम का उपयोग करते हुए वर्गीकरण दक्षता के तथ्य को अप्रत्याशित बनाता है।

भोले बायेशियन क्लासिफायरियर का लाभ वर्गीकरण के लिए आवश्यक मापदंडों का मूल्यांकन करने के लिए आवश्यक प्रशिक्षण डेटा की छोटी मात्रा है।

NBC (Na Nve Bayes Classifier) बेयस के प्रमेय पर आधारित है।

जहां,

पी (सी | डी) - वह संभावना जो दस्तावेज़ डी वर्ग सी की है, हमें इसकी गणना करने की आवश्यकता है;
पी (डी | सी) - कक्षा सी के सभी दस्तावेजों के बीच दस्तावेज़ डी मिलने की संभावना;
पी (सी) - दस्तावेजों के शरीर में कक्षा सी के एक दस्तावेज को पूरा करने की बिना शर्त संभावना;
P (d) डॉक्यूमेंट बॉडी में डॉक्यूमेंट की बिना शर्त संभावना है।

चित्रा 1. आंदोलन नियंत्रण पद्धति का मॉडल

चित्रा 1 चुनाव अभियान नियंत्रण पद्धति के एल्गोरिथ्म और मॉडल को दिखाता है जो नाइव बेयस क्लासिफायर द्वारा मशीन सीखने को लागू करता है और इसके द्वारा निर्मित परिणाम को पूरक और परिष्कृत करने के लिए अभियान का एक विशेष रूप से विकसित भाषाई मॉडल है।

मॉडल के चरणों पर विचार करें।

1. दस्तावेजों का अनुक्रमण। पहले चरण में, इंटरनेट मीडिया प्रकाशनों का एक स्वचालित संग्रह और DBMS में उनका संचय बाद के प्रसंस्करण के लिए किया जाता है।

2. वर्गीकरण का निर्माण और प्रशिक्षण।

२.१ प्रशिक्षण। आंदोलन विशेषताओं का एक समूह विश्वसनीय प्रचार के एक सरणी से प्रतिष्ठित है। भोले बेसेसियन क्लासिफायर आपको सबसे अधिक जानकारीपूर्ण विशेषताओं की पहचान करने और संदर्भ को ध्यान में रखने के लिए उन्हें संशोधित करने की अनुमति देता है।

२.२ भविष्यवाणी। "पूर्वानुमान" की प्रक्रिया में इंटरनेट मीडिया पर परीक्षण प्रकाशनों के सेट पर विशेषताओं की सरणी को मैप किया जाता है। इंटरनेट मीडिया के रोस्तोव क्षेत्रीय खंड में निगरानी अभियान के लिए एक कार्यप्रणाली बनाने की शोध समस्या को हल करने की प्रक्रिया में, अभियान प्रकाशनों का एक भाषाई मॉडल विकसित किया गया है। मॉडल अभियान प्रकाशनों के प्रशिक्षण सेट पर मशीन लर्निंग मॉड्यूल के परिणामों को पूरक करता है, चुनाव अभियान के विशेष भाषाई विशेषताओं और नीचे वर्णित नियमों को जोड़ता है [5]।

3. वर्गीकरण की गुणवत्ता का आकलन। नतीजतन, कार्यप्रणाली यह सुनिश्चित करती है कि आउटपुट इंटरनेट मीडिया प्रकाशनों का गुणात्मक रूप से चिह्नित सरणी है।

इंटरनेट मीडिया के रोस्तोव क्षेत्रीय क्षेत्र में चुनाव प्रचार के लिए निगरानी उपकरणों के एक सेट के सॉफ्टवेयर घटक पर विचार करें। यह निम्नलिखित पुस्तकालयों के एक सेट का उपयोग करता है:

प्राकृतिक भाषा टूलकिट (एनएलटीके) [2]
regexp पुस्तकालय (पुनः)
प्रामाणिक रूप से प्रचार सामग्री (सामग्री) के वाहिनी
यादृच्छिक चर (यादृच्छिक) का पुस्तकालय

नियमित अभिव्यक्ति (आरवी) अनिवार्य रूप से पायथन में निर्मित और फिर से मॉड्यूल के माध्यम से सुलभ होने वाली छोटी प्रोग्रामिंग भाषाएं हैं। इसका उपयोग करते हुए, नियमों को संभव लाइनों के सेट के लिए निर्दिष्ट किया जाता है जिन्हें जांचने की आवश्यकता होती है; इस सेट में शब्द, वाक्यांश, संख्या या ईमेल पते हो सकते हैं। इसका उपयोग उम्मीदवारों और पार्टियों की लंबी सूची के स्वत: प्रसंस्करण के लिए लाइन को बदलने या इसे तोड़ने के लिए नियमित अभिव्यक्ति का उपयोग करने की क्षमता है। स्वचालित बायेसियन क्लासिफायरियर के परिणामस्वरूप, एक विशेष भाषा निर्माण (पैटर्न) का एक सेट बीग्राम्स (दो शब्द) के रूप में प्राप्त किया गया था।

इंटरनेट मीडिया के रोस्तोव क्षेत्रीय खंड में चुनाव अभियान नियंत्रण के लिए सॉफ्टवेयर पैकेज में सबसे अधिक जानकारीपूर्ण विशेषताओं को देखने के लिए एक फ़ंक्शन भी शामिल है। लिस्टिंग 1 से पता चलता है 5 ऐसी विशेषताएँ (इसके बाद, प्रोग्राम कोड के टुकड़े प्रस्तुत किए गए हैं)। प्रत्येक विशेषता के लिए, एक आवृत्ति प्रतिक्रिया उपलब्ध है, जिसमें दिखाया गया है कि अभियान पाठ को निर्धारित करने में यह या वह विशेषता "सफल" कैसे है। उदाहरण के लिए, यदि उम्मीदवार के उपनाम और "वोट" शब्द के किसी भी रूप का एक संयोजन पाठ में पाया जाता है, तो क्लासिफायर का निष्कर्ष है कि दिए गए पाठ में एक अभियान (प्रतिशत शब्दों में, 96.1%) में लगभग 26 संभावनाएं हैं।

classifier.show_most_informative_features(5) Most Informative Features suffix(4) = ('', '') agitacia : ne_agitacia = 25.9 : 1.0 suffix(4) = ('', '') agitacia : ne_agitacia = 17.0 : 1.0 suffix(2) = ('', '') agitacia : ne_agitacia= 11.5 : 1.0 suffix(1) = ('', '') ne_agitacia : agitacia = 6.3 : 1.0 suffix(2) = ('', '') ne_agitacia : agitacia = 4.4 : 1.0

लिस्टिंग 1. बायेसियन क्लासिफायरियर के परिणाम: दो शब्द और आंदोलन की इसी संभावना को मिला।

यह समझने के लिए कि क्या यह समस्या के विवरण में ऊपर सूचीबद्ध चार वर्गों की पहचान करने की समस्या को हल करने में सक्षम है, यह समझने के लिए स्वचालित क्लासिफायरियर के परिणामों पर अधिक विस्तार से विचार करने योग्य है: कानून के उल्लंघन के साथ आंदोलन, सूचना प्रकाशन के साथ आंदोलन। क्लासिफायरियर के परिणामों का विश्लेषण करने के बाद, यह पता चला कि यह सूचनात्मक लोगों से प्रचार प्रकाशनों को अलग करने के कार्य के साथ अच्छी तरह से मेल खाता है, अर्थात्, जो विभिन्न अधिकारियों, घटनाओं या भाषणों के कामों का विवरण और सम्मेलनों में वर्णन करते हैं। इसके अलावा, निगरानी का मुख्य कार्य प्रचार के साथ प्रकाशनों की पहचान करना है जो संभावित रूप से कानून का उल्लंघन करते हैं, और यह कार्य अधिक जटिल है। बायेसियन क्लासिफायर ऑटोमेशन इस कार्य के साथ अच्छी तरह से सामना नहीं करता है: मुख्य कारण रूसी भाषा के निर्माण की जटिलता है, साथ ही भावनात्मक रूप से रंगीन वाक्यांशों, रूपकों, रूपक, संकेत की उपस्थिति है, जो अक्सर प्रचार ग्रंथों में उपयोग किए जाते हैं। इस प्रकार, यह निर्धारित करने की सटीकता कि क्या कानून का उल्लंघन मौजूद है, अतिरिक्त विशेषताओं की मदद से बढ़ाया जाना चाहिए।

वैज्ञानिक अनुसंधान के परिणामस्वरूप, चुनाव प्रचार का एक भाषाई मॉडल चुनाव प्रचार के दौरान किया गया था। मॉडल के प्रत्येक भाषाई विशेषताओं को एक वजन गुणांक के साथ इसमें शामिल किया गया है जो एक भाषाई निर्माण के महत्व को दर्शाता है। इस प्रकार, मॉडल उत्पादों की संख्या है, गुण की संख्या के अनुसार, nth डिग्री का एक बहुपद:

या संक्षिप्त रूप में:

जहां विशेषता के महत्व के निश्चित गुणांक (बिंदु) हैं,

x - एक चर, पाठ में कितनी बार प्रचार भाषाई विशेषताओं का एक संयोजन है।

मॉडल में विशेष विशेषताओं का एक सेट शामिल है, जो भाषाई निर्माण हैं जो स्वचालित रूप से विकसित हार्डवेयर-सॉफ्टवेयर परिसर द्वारा पाए जाते हैं [1]:

उम्मीदवार, उम्मीदवार, सूची, उम्मीदवारों की सूची या उनके (उनके) के लिए वोट करने के लिए कॉल करता है;
किसी भी उम्मीदवार के लिए वरीयता की अभिव्यक्ति, चुनावी एसोसिएशन, विशेष रूप से एक संकेत है कि किस उम्मीदवार के लिए, किस सूची के उम्मीदवारों के लिए, जिसके लिए मतदाता संघ को मतदान करेगा (एक जनमत सर्वेक्षण के परिणामों के प्रकाशन (प्रकाशन) के मामले को छोड़कर);
एक या किसी अन्य उम्मीदवार के होने या नहीं चुने जाने के संभावित परिणामों का विवरण, उम्मीदवारों की एक विशेष सूची में प्रवेश किया जाएगा या उन्हें उप-जनादेश वितरित करने की अनुमति नहीं दी जाएगी;
ऐसी सूचना का प्रसार जिसमें किसी भी उम्मीदवार के बारे में जानकारी स्पष्ट रूप से प्रमुख हो, सकारात्मक या नकारात्मक टिप्पणियों के साथ एक चुनावी संघ;
उम्मीदवार की गतिविधियों पर सूचना का प्रसार, उसकी व्यावसायिक गतिविधियों या उसके आधिकारिक (आधिकारिक) कर्तव्यों के प्रदर्शन से संबंधित नहीं;
उम्मीदवारों के प्रति मतदाताओं के सकारात्मक या नकारात्मक रवैये के निर्माण को बढ़ावा देने वाली गतिविधियाँ, निर्वाचक संघ जिसने उम्मीदवार नामित किया है, उम्मीदवारों की सूची।
इंटरनेट मीडिया में सामग्री के भुगतान के बारे में एक नोट।

मॉडल का आधार संभावित उम्मीदवारों का एक पूरा सेट है जिनके नाम नामांकन या अन्य मामले में अभियान पाठ में दिखाई देंगे। इसके बाद, बैठक उपनाम के संक्षिप्त विवरण के लिए, पार्टी <पार्टी> के लिए पदनाम <नाम> का उपयोग किया जाएगा।

सॉफ्टवेयर कार्यान्वयन में, उम्मीदवारों और पार्टियों का मूल उल्लेख निम्नानुसार लागू किया जाता है:

  if re.search(re.compile('\b(?:%s)\b' + '|'.join(map(re.escape, kandidats_all))), corpus.raw(fileid)): dict_features[fileid][' '] = 10 else: dict_features[fileid][' '] = 0 if re.search(re.compile('\b(?:%s)\b' + '|'.join(map(re.escape, partii_all))), corpus.raw(fileid)): dict_features[fileid][' '] = 1 else: dict_features[fileid][' '] = 0

लिस्टिंग 2. एक कार्यक्रम समारोह का एक टुकड़ा: उम्मीदवारों और पार्टियों की तलाश में।

मॉडल की एक विशेषता बिंदु प्रणाली है: पाठ में पाए जाने वाले प्रत्येक विशेष गुण के लिए प्रत्येक प्रकाशन को निश्चित संख्या में अंक दिए जाते हैं। उदाहरण के लिए, यदि किसी उम्मीदवार का पाठ में उल्लेख किया गया है, तो प्रकाशन को तुरंत थ्रेसहोल्ड मान के रूप में 10 अंक मिलते हैं। यदि प्रकाशन में विधान सभा का भी उल्लेख है, तो कुल अंकों की संख्या 12 है। इस प्रकार, अंकों की संख्या से प्रकाशन में कानून का उल्लंघन करने की संभावित संभावना का न्याय करना आसान हो जाता है: यदि प्रकाशन ने 10 अंक से कम स्कोर किया, तो यह इंगित करने की अत्यधिक संभावना है कि यह सूचनात्मक है, इसमें राजनीतिक ग्रंथों के गुण शामिल हैं, लेकिन प्रत्येक विशेषता का योगदान बड़ा नहीं है: 1 या 2 अंक। यदि प्रकाशन 12 से अधिक अंक प्राप्त करता है, तो आपको अधिक सावधानीपूर्वक इसकी सामग्री का विश्लेषण करना चाहिए, क्योंकि उम्मीदवार के नाम के अलावा, इसमें आंदोलन की विशेषताएं भी शामिल हैं। 17 या अधिक बिंदुओं वाले प्रकाशनों को व्यावहारिक रूप से प्रचार के रूप में गारंटी के रूप में मान्यता दी गई थी, हालांकि, उनमें से प्रत्येक में सिस्टम को लिंक मिला और रोस्तोव क्षेत्र की विधान सभा के चुनावों पर कानून के अनुपालन का संकेत मिला।

हम अभियान ग्रंथों में उपयोग की जाने वाली युक्तियों के उत्पादक मॉडल का वर्णन करते हैं, और इन रणनीति को लागू करने वाले सबसे विशिष्ट भाषाई निर्माणों को भी सूचीबद्ध करते हैं, जो कि क्लासिफायर प्रोग्राम कोड [4] में लागू किए गए थे:

भाषाई निर्माण "आत्म-प्रस्तुति"। भाषा के लोकगीत तत्वों का उपयोग - यह कहता है कि "आप धर्मी श्रम के साथ पत्थर के चैंबर नहीं बना सकते हैं", "उपहार प्यार उपहार", "एक उपहार के लिए इंतजार कर रहे हैं" - दर्शकों (आम लोगों) के साथ उम्मीदवार के समुदाय को उसी तरह से सोचने की क्षमता प्रदर्शित करता है, जैसे वह एक ही भाषा बोलता है।

भाषाई निर्माण "प्रेरणा"। एक चाल लोकप्रिय है: मैं (जैसे मतदाता) यथास्थिति से खुश नहीं हैं। मैं इसे इस प्रकार बदलना चाहता हूं: 1) मैं ड्यूमा जा रहा हूं क्योंकि इसे बदलना होगा। 2) क्योंकि ऐसे लोगों को सामने आना चाहिए जो मुश्किल सवालों को उठाते हैं, समाज के लिए काम करते हैं ... "

भाषाई निर्माण "वादा"। यह भाषाई निर्माण आपको ग्रंथों में स्वचालित रूप से "वादों" को खोजने की अनुमति देता है। संभावित उम्मीदवारों के नामों के एक सेट के साथ, निर्माण का उपयोग इस तरह दिखता है: <मैं वादा करता हूं, मैं, मैं (ए) का इरादा करता हूं, मैं गारंटी देता हूं, मैं शपथ लेता हूं> + <आखिरी नाम>

भाषाई निर्माण "प्राधिकरण का आकर्षण।" "आधिकारिक राय" दर्शकों को प्रभावित करने के लिए एक शक्तिशाली उपकरण है। प्राधिकरण की भूमिका (एक प्रभावशाली, सम्मानित व्यक्ति - [6, पी। 15]) व्यक्तियों द्वारा निभाई जाती है, जिनकी राय "प्रभाव की वस्तु" सुनती है। यह भाषाई निर्माण आपको ग्रंथों में समर्थन और लॉबी संरचनाओं को स्वचालित रूप से खोजने की अनुमति देता है।

भाषाई निर्माण "अपमान"। बदनाम रणनीति तथाकथित "डाउनग्रेड रणनीति" है। यह राजनीतिक प्रतिद्वंद्वियों के उद्देश्य से है और इसका उपयोग सकारात्मक छवि को नष्ट करने या "प्रतिद्वंद्वी" की मौजूदा नकारात्मक छवि पर जोर देने के लिए किया जाता है।

भाषाई निर्माण "आंदोलन की वैधता।" मीडिया में प्रकाशन के लिए भुगतान के तथ्य को स्वचालित रूप से सत्यापित करने के लिए विशेष विशेषताओं का उपयोग किया जाता है। मुख्य मार्कर विभिन्न फंडों में विधान सभा के संदर्भ हैं और प्रकाशन, लिस्टिंग 4 के लिए भुगतान के स्रोत का एक संकेत है।

  if re.search(r'(    )|([--][--][--] [--]  [--])', corpus.raw(fileid), re.IGNORECASE): dict_features[fileid][' '] = 2 else: dict_features[fileid][' '] = 0 if re.search(r'([--][--][--] [--][--])', corpus.raw(fileid), re.IGNORECASE): dict_features[fileid][' '] = 2 else: dict_features[fileid][' '] = 0

लिस्टिंग 4. एक सॉफ्टवेयर फ़ंक्शन का टुकड़ा: भुगतान तथ्य का उल्लेख ढूंढना।

भाषाई निर्माण "रूपक छवि।" जैसा कि कलात्मक भाषण में, राजनीतिक प्रवचन में रूपक उपमाओं पर आधारित होता है; यहाँ एक विशिष्ट विषय की उपमाएँ विशेष रूप से विशेषता से संबंधित हैं:

युद्ध और संघर्ष के साथ (हड़ताल, लड़ाई जीतो),

एक गेम (एक चाल बनाएं, एक गेम जीतें, एक कार्ड पर दांव लगाएं, ब्लफ़ करें, ट्रम्प कार्ड बचाएं),

खेल (एक रस्सी खींचें, एक नॉकआउट प्राप्त करें, दोनों कंधे ब्लेड पर रखें),

शिकार (फंसने के लिए, एक झूठे निशान पर नेतृत्व करने के लिए), एक तंत्र (शक्ति के लीवर) द्वारा,

जीव (विकास रोग, लोकतंत्र के अंकुर, शहर का आंतरिक सुधार),

थिएटर (मुख्य भूमिका निभाने के लिए, कठपुतली बनने के लिए, एक अतिरिक्त, एक प्रमोटर, मंच के सामने जाने के लिए), आदि।

अभियान सामग्रियों में आप रूपकों के "मानक सेट" को देख सकते हैं: "उसके बाद के चरणों में," "पूरे कैरियर की सीढ़ी से गुजरे", "यह बाधा डालने के लिए आवश्यक है ...", "शहर (देश ...) का भाग्य आपके हाथों में है"। यह भाषाई निर्माण आपको स्वचालित रूप से ग्रंथों में रूपक चित्र खोजने की अनुमति देता है। संभावित उम्मीदवारों के नामों के एक सेट के साथ, निर्माण का उपयोग इस तरह दिखता है: <रूपक छवि> + <अंतिम नाम>

भाषाई निर्माण "भूमिका मिथक"। राजनीतिक ग्रंथों का सार्वभौमिक आधार। भूमिकाएं लोकप्रिय हैं: "पहलवान", "संरक्षक", "लोगों का नौकर", "मास्टर", "व्यवसाय कार्यकारी", आदि। इस कदम की सफलता काफी हद तक इस बात पर निर्भर करती है कि भूमिका दर्शकों की अपेक्षाओं को कितनी अच्छी तरह से पूरा करेगी। उदाहरण: एलेक्सी ख्रीस्तलेव भ्रष्टाचार के खिलाफ लड़ाई के बारे में पहले से जानते हैं। वह सिटी डूमा के डिप्टी के रूप में रोस्तोव वीक के संपादक के रूप में उनके साथ युद्ध में हैं। उसके खिलाफ धमकी बार-बार सुनाई देती थी। और हाल ही में एक कार उसके लिए उड़ा दी गई थी - मजाकिया होना। लेकिन अलेक्सी ख्रीस्तलेव हताश नहीं हुए, उन्होंने भ्रष्टाचार पर युद्ध जारी रखा और विधान सभा के चुनावों में जीत के लिए लड़ रहे हैं। यह भाषाई निर्माण आपको अभियान ग्रंथों में उम्मीदवारों की "भूमिका" को स्वचालित रूप से खोजने की अनुमति देता है।

किए गए निगरानी का मुख्य निष्कर्ष तथ्य का एक बयान है: मुख्य रूप से प्रकाशनों में वैकल्पिक (या निकट-चुनाव) विषयों के पाठ शामिल थे, लेकिन उनके पास विशेष भाषाई विशेषताओं की पर्याप्त संख्या नहीं थी। एक नियम के रूप में, अंकों की अधिकतम संख्या के साथ प्रकाशन, सूचनात्मक थे। उन्होंने अपने पद पर किसी विशेष उम्मीदवार के काम को कवर किया या चुनाव, पार्टियों के आंकड़ों पर सामान्य सारांश जानकारी शामिल की।

आंदोलन नियंत्रण सॉफ्टवेयर पैकेज ने सिफारिशी तरीके से काम किया, अर्थात्, यह इंटरनेट मीडिया के रोस्तोव क्षेत्रीय खंड में स्थिति की सक्षम संरचनाओं को तुरंत अधिसूचित करता है, 08.09.2013 के रोस्तोव क्षेत्र के विधान सभा के चुनावों के दौरान नेटवर्क पर कानून और व्यवस्था का अनुपालन सुनिश्चित करता है।

जल्द ही हम सोशल नेटवर्क के बौद्धिक विश्लेषण में "बिग डेटा" के नारे के साथ ग्रिल स्टार्टअप शुरू कर रहे हैं। यदि आप प्राकृतिक भाषा, रेखांकन और बिग डेटा के प्रसंस्करण के विषय में रुचि रखते हैं - आपका स्वागत है!

साहित्य

संघीय कानून दिनांक 12.06.2002 एन 67-as (05/07/2013 को संशोधित) "चुनावी अधिकारों की बुनियादी गारंटी और रूसी संघ के नागरिकों के जनमत संग्रह में भाग लेने का अधिकार"।
बर्ड स्टीवन। पाइथन के साथ प्राकृतिक भाषा प्रसंस्करण। [पाठ] - ओ रेली मीडिया इंक, 2009. - आईएसबीएन 0-596-51649-5
क्रिस्टोफर डी। मैनिंग, प्रभाकर राघवन, हाइनरिक शुट्ज़ सूचना इंट्रोडक्शन ड्राफ्ट का परिचय। [पाठ] कैम्ब्रिज यूनिवर्सिटी प्रेस। - 2009।
प्रोपेगैंडा पाठ और उनके शैलीगत प्रतिनिधित्व की संचारात्मक रणनीति और रणनीति, [इलेक्ट्रॉनिक संसाधन] सार, www.userdocs.ru/informatika/8383/index.html?page=5 एक्सेस मोड: मुफ्त। - ज़गल। स्क्रीन से। - यज़। रस।
"एक सामाजिक नेटवर्क के ग्राफ के स्वचालित निर्माण की प्रणाली" डॉन के इंजीनियरिंग जर्नल, 2012. नंबर 4। [इलेक्ट्रॉनिक संसाधन] ivdon.ru/magazine/archive/n4p2y2012/1428 एक्सेस मोड: मुफ्त। - ज़गल। स्क्रीन से। - यज़। रस।
4 खंडों में रूसी भाषा का व्याख्यात्मक शब्दकोश। // एड। डीएन उशाकोव। - एम।, 2000।

निगरानी अभियान के कार्य में प्राकृतिक भाषा प्रसंस्करण

More articles: