В этом докладе рассказывается о применении небольшой НС с использованием ограниченного набора данных и языковых моделей. Основная задача, поставленная перед НС, в нашем случае сводится к следующему: определить оценку, содержащуюся в предложении, на основе лексического состава и структуры предложения. Исходными данными для задачи является сравнительно небольшой корпус коротких текстов с пометой положительного или отрицательного мнения, выраженного в этом тексте. Помета давалась экспертами на основе их собственного опыта и предпочтений. Кроме того, использовался словарь оценочной лексики, содержащий лексемы с указанием их ориентации (положительной, отрицательной или нейтральной). Нейронная сеть имеет 256 входных нейронов и только 2 выхода, а именно один выход для положительного и второй выход для отрицательного мнения.
На вход НС подается последовательность из чисел -1 и 1 в порядке следования эмоционально ориентированных слов в предложении, нейтральные слова опускаются. Считаем, что в нормальном предложении не должно содержаться больше 256 оценочных слов. Если в предложении менее этого количества оценочных слов, оставшиеся места заполняются нулями. Как обычно, весь корпус размеченных текстов разбит на три множества, обучение, валидация и тестирование. В результате работы НС получены следующие результаты: 70% правильно определенной ориентации текстов и, соответственно 30% — неправильно. Дальнейшая работа предполагает переход к структурированным входным данным, т. е. к рассмотрению не отдельных лексем, а синтагм, полученных в результате синтаксического анализа.