magyarcég
Szolgáltatás
poltextLAB
  • Szolgáltatás

poltextLAB

Kutatócsoport szövegbányászatra és MI-re R-ben.

  • Szövegbányászati és MI tankönyv kiadása R-ben
  • Kvantitatív szövegelemzési eljárások bemutatása
  • Adatkezelési és szövegelőkészítési feladatok R-ben
  • Gépi tanulási módszerek alkalmazása szövegeken (topikmodellezés, osztályozás)
  • NLP technikák (névelemfelismerés, szóbeágyazások) bemutatása

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