- Szolgáltatás
poltextLAB
Kutatócsoport szövegbányászatra és MI-re R-ben.
Bemutatkozás
A poltextLAB az ELKH Társadalomtudományi Kutatóközpont szövegbányászati kutatócsoportja, amely a kvantitatív szövegelemzés és a mesterséges intelligencia társadalomtudományi alkalmazásaira specializálódott. A csoport munkája a Sebők Miklós által szerkesztett Kvantitatív szövegelemzés és szövegbányászat a politikatudományban című kötet elméleti alapjaira épül, gyakorlati feladatokat mutatva be R programnyelv segítségével. A kutatócsoport olyan kvantitatív szövegelemzési eljárásokat ismertet, mint a névelemfelismerés, véleményelemzés, topikmodellezés és felügyelt tanulásra épülő osztályozás. A kutatási tevékenységet többek között az MTA Könyvkiadási Alapja, a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal (NKFIH) támogatja, és a munkájuk a Comparative Agendas Project (CAP) kutatócsoporttal is szoros kapcsolatban áll.
Szolgáltatások, tevékenységek
- Szövegbányászat és mesterséges intelligencia R-ben tankönyv kiadása
- Kvantitatív szövegelemzési eljárások bemutatása (névelemfelismerés, véleményelemzés, topikmodellezés, osztályozás)
- Gyakorlati elemzések elvégzése R programnyelvvel
- Adatkezelési műveletek R-ben (importálás, exportálás, pipe operátor, műveletek adattáblákkal, karakter vektorokkal)
- Korpuszépítés és szövegelőkészítés (szövegbeszerzés, tokenizálás, szótövezés, dtm/dfm készítés, súlyozás)
- Leíró statisztikai elemzések (szövegek a vektortérben, lexikai diverzitás, kulcsszavak kontextusa)
- Szótárak és érzelemelemzés (szótárak használata R-ben, elemzések magyar korpuszokon)
- Felügyelet nélküli tanulás módszerek alkalmazása (K-közép klaszterezés, LDA topikmodellek, Strukturális topikmodellek)
- Szóbeágyazások (Word2Vec és GloVe használata magyar média korpuszon)
- Szövegskálázás (Wordfish, Wordscores)
- Szövegösszehasonlítás (lexikális és szemantikai hasonlóság, Jaccard- és koszinusz-hasonlóság számítása)
- NLP és névelemfelismerés (spacyr használata, lemmatizálás, tokenizálás, szófaji egyértelműsítés, névelemfelismerés)
- Osztályozás és felügyelt tanulás (Naïve Bayes, Support-vector machine alkalmazása)
- R és RStudio használatának oktatása (objektumok, vektorok, faktorok, data frame kezelése)
- Vizualizáció