CC BY
36
Информационные технологии
DOI: 10.18721/JCSTCS.12301
УДК 004.8, 004.62, 007.5 , 51-74, 510.67, 656
ОЦЕНКА СОСТОЯНИЯ ТРАНСПОРТНЫХ МАГИСТРАЛЕЙ СЕВЕРО-ЗАПАДНОГО ФЕДЕРАЛЬНОГО ОКРУГА С ИСПОЛЬЗОВАНИЕМ АНАЛИЗА ТОНАЛЬНОСТИ ОТЗЫВОВ ПОЛЬЗОВАТЕЛЕЙ СЕТИ ИНТЕРНЕТ
Я.А. Селиверстов1, К.В. Никитин2, Н.В. Шаталова1, А.А. Киселев3
1 Институт проблем транспорта имени Н.С. Соломенко РАН, Санкт-Петербург, Российская Федерация;
2 Санкт-Петербургский политехнический университет Петра Великого,
Санкт-Петербург, Российская Федерация;
3 Санкт-Петербургская государственная художественно-промышленная
академия имени А.Л. Штиглица, Санкт-Петербург, Российская Федерация
В результате анализа выявлено, что социальные сети, тематические сообщества, транспортные порталы являются источником актуальной информации о дорожно-транспортной обстановке. В статье рассмотрена задача анализа состояния транспортных магистралей Северо-Западного федерального округа по отзывам, размещенным в web-пространстве. Для решения этой задачи разработана система автоматической классификации отзывов на основе тонового классификатора. Проведен анализ библиотек с открытым исходным кодом для тематического сбора и анализа данных. Осуществлена разработка краулера с использованием фреймворка Scrapy на языке Python3 и собраны отзывы с сайта http://autostrada.info/ru. Рассмотрены методы векторизации и лемматизации текстов и их реализация в библиотеке Scikit-Learn: Bag-of-Words, N-gram, CountVectorizer и TF-IDF Vectorizer. Для классификации применялся наивный байесовский алгоритм и модель линейного классификатора с оптимизацией стохастического градиентного спуска. В качестве обучающей выборки использована база размеченных отзывов с ресурса Twitter. Проведено обучение классификатора, в ходе которого использована стратегия кросс-валидации и метод ShuffleSplit. Проведено тестирование и сравнение результатов тоновой классификации на разных классификаторах. По результатам валидации лучшей оказалась линейная модель со схемой N-gram и векторизатором TF-IDF. В ходе апробации разработанной системы проведен сбор и анализ отзывов, относящихся к качеству транспортных сетей СевероЗападного федерального округа. На основе результатов произведена цветовая разметка дорог, отражающая наглядность результатов исследования. Сделаны выводы и определены перспективы дальнейшего развития данного исследования.
Ключевые слова: автоматический анализ текстов, краулеры, классификация текстов, интеллектуальные транспортные системы, машинное обучение, TF-IDF, N-gram, наивный байесовский алгоритм, линейный классификатор, анализ тональности.
Ссылка при цитировании: Селиверстов Я.А., Никитин К.В., Шаталова Н.В., Киселев А.А. Оценка состояния транспортных магистралей Северо-Западного федерального округа с использованием анализа тональности отзывов пользователей сети Интернет // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. 2019. Т. 12. № 3. С. 7-24. DOI: 10.18721/JCSTCS.12301
ROAD PAVEMENT ASSESSMENT OF THE NORTH-WEST FEDERAL DISTRICT USING SENTIMENT ANALYSIS OF THE INTERNET USER REVIEWS
Ya.A. Seliverstov1, K.V. Nikitin2, N.V. Shataiova1, A.A. Kiselev3
1 Solomenko Institute of Transport Problems of the RAS, St. Petersburg, Russian Federation;
2 Peter the Great St. Petersburg Polytechnic University, St. Petersburg, Russian Federation;
3 Saint Petersburg Stieglitz State Academy of Art and Design,
St. Petersburg, Russian Federation
As a result of the analysis, it was revealed that social networks, thematic communities, transport portals are a source of actual information about the traffic situation. The article deals with the task of analyzing the road pavement assessment of the North-West Federal District from reviews posted in the web. To solve this problem, a system for automatic classification of reviews based on the sentiment classifier has been developed. The crawler was developed using the Scrapy framework in Python3 and collected reviews from the site http://autostrada.info/ru. The methods of vectorization and lemmatization of texts and their implementation in the Scikit-Learn library are considered: Bag-of-Words, N-gram, CountVectorizer and TF-IDF Vectorizer. For the classification, a naive Bayes algorithm and a linear classifier model with optimization of stochastic gradient descent were used. As a training sample, a base of marked reviews from the Twitter resource was used. The classifier was trained, during which the cross-validation strategy and the ShuffleSplit method were used. According to the results of validation, the linear model with the N-gram scheme and the TF-IDF Vectorizer turned out to be the best. During the approbation of the developed system, the collection and analysis of feedback related to the quality of transport networks in the North-West Federal District was conducted. Based on the results, a color marking of the roads was produced, reflecting the visibility of the research results. Conclusions and prospects for the further development of this study are given.
Keywords: automatic text analysis, crowlers, texts classification, intelligent transport systems, machine learning, TF-IDF, N-gram, naive Bayes algorithm, linear classifier, sentiment analysis.
Citation: Seliverstov Ya.A., Nikitin K.V., Shatalovа N.V., Kiselev A.A. Road pavement assessment of the North-West Federal District using sentiment analysis of the Internet user reviews. St. Petersburg State Polytechnical University Journal. Computer Science. Telecommunications and Control Systems, 2019, Vol. 12, No. 3, Pp. 7—24. DOI: 10.18721/JCSTCS.12301
Введение
Традиционные методы, применяемые для обнаружения дорожных событий [1, 2], в основном сосредоточены на измерении скорости, плотности и интенсивности движения с использованием различных датчиков и детекторов, которые обычно устанавливаются в фиксированных местах вдоль дорог [3]. Такие системы, как правило, имеют высокую стоимость, и поэтому
их размещают лишь на особо загруженных участках городских магистралей. Также они требуют регулярного технического обслуживания и сопутствующей инфраструктуры.
Вместе с тем в последнее время актуальным источником разнородной информации, относящейся к сфере транспорта и логистики, является —еЬ-пространство [4]. Обычно такие данные находятся на тема-
тических или специализированных интернет-ресурсах, например: транспортные интернет- порталы (http: //autostrada.info/ru, https://rosyama.ru/); интернет-сообщества грузоперевозчиков (https://www.worldoftrucks. com/en/, ingruz.ru); группы в социальных сетях (Вконтакте, Facebook) или в сетях микроблогинга (Twitter), а также чаты и форумы [5].
Информация на транспортных web-порталах и в тематических интернет-сообществах формируется в виде отзывов непосредственно самими пользователями, поэтому для ее сбора не требуется больших затрат. Тема web-портала или интернет-сообщества определяет характер размещаемой на ней информации. Например, если тематика группы — «пробки», то, как правило, размещаемые пользователями отзывы содержат сведения о пробках и заторах на дорогах; если же тематика группы — «поборы на дорогах», то размещаемые пользователями отзывы содержат сведения о недобросовестной работе сотрудников весового контроля или ГИБДД [6].
Такое структурирование информации упрощает процесс составления тематических корпусов в области транспорта, что в свою очередь позволяет строить более глубокие системы классификации транспортных данных и выявлять на их основе новые управляющие воздействия [7].
Таким образом, использование систем извлечения и анализа дорожно-транспортной информации из web-пространства в качестве систем транспортного мониторинга [8, 9] открывает новые каналы поступления транспортной информации, способной повысить информированность участников дорожного движения о состоянии транспортных сетей и условий дорожного движения.
Анализ предметной области. Проанализируем актуальные работы, в которых рассмотрены методы анализа текстов, относящихся к транспортной сфере. В [10] изучено использование данных социальных сетей для обеспечения быстрого и более точного обнаружения и уменьшения
пробок на дорогах. В [11] авторы исследовали возможность использования данных форумов с интернет-порталов для обнаружения дорожно-транспортных происшествий (ДТП) и сбора дополнительной информации об инцидентах. В [12] представлен обзор различных категорий социальных сетей, характеристик их контента и того, как эти характеристики отражаются в сообщениях, связанных с транспортом. В работе [13] проведено исследование полезности использования социальных сетей для пользователей и поставщиков транспортных услуг и потенциальной ценности социальных сетей для разработки политики в области распространения информации для населения. В [14] описана система анализа данных социальных сетей микроблогинга Twitter, которая используется для выявления транспортных заторов в реальном времени для дорог Австралии.
Анализ предметной области показал, что передовые системы для извлечения и анализа тематических текстов активно внедряются в системы городского транспортного мониторинга и системы поддержки туристической и транспортной мобильности.
Постановка задачи. Цель настоящего исследования — оценка состояния транспортных магистралей Северо-Западного федерального округа с использованием анализа тональности отзывов пользователей сети Интернет.
Предполагается выполнить следующий перечень работ: 1) определить тематические web-ресурсы, предоставляющие актуальную информацию о дорогах СевероЗападного федерального округа; 2) разработать схему алгоритма для извлечения и анализа текстов; 3) программно реализовать алгоритм для сбора текстов по дорожно-транспортной проблематике; 4) произвести тестирование разработанной программы и осуществить сбор текстов с выбранного интернет-ресурса; 5) сформировать корпуса текстов для последующего обучения классификатора; 6) осуществить разработ-
ку классификатора тональности; 7) провести обучение классификатора и оценить качество классификации; 8) произвести оценку состояния транспортных магистралей Северо-Западного федерального округа с использованием разработанной системы анализа текстов.
Этапы работы
Этап 1. Выполнение анализа интернет-ресурсов, содержащих актуальную информацию пользователей о состоянии дорог Северо-Западного федерального округа. Результаты анализа транспортных интернет-ресурсов представлены в табл. 1.
Транспортные интернет-ресурсы Transport Internet Resources Таблица 1 Table 1
Наименование Примечание
Тематический транспортный web-ресурс «Порталы»
«Автострада» — проект об актуальном состоянии дорожного покрытия трасс России, Украины и Беларуси http ://autostrada.info/ru
«Доринфо» — дорожные новости, репортажи, аналитика, отзывы http: //dorinfo.ru/
«Центр организации дорожного движения Правительства Москвы» — сбор данных о дорожном движении, включая параметры транспортных и пассажирских потоков, дорожных условий, действующей организации дорожного движения, параметры экологического ущерба от дорожного движения, статистику ДТП, данные по парковкам и местам временного отстоя транспорта http://www.gucodd.ru/
«РосЯма» — проект об актуальном состоянии дорожного покрытия улично-дорожных сетей городов России https://rosyama.ru/
«Дорожная инспекция ОНФ/Карта убитых дорог» — проект о состоянии УДС городов России http ://dorogi-onf.ru/
Портал «РосАвтодора» раздел «Автомобилистам» посвящен ситуации на дорогах http ://rosavtodor.ru/avtomob ilistam
Форум «АвтоТрансИнфо» — информация и отзывы водителей грузового транспорта https://forums.ati.su/Forum/ Default.aspx
Тематический транспортный web-ресурс Твиттер
«ВоппРэ» — актуальные дорожные новости и твиты пользователей https://twitter.com/dorinfo
«Московский транспорт» — оперативная информация о дорожной ситуации на улицах Москвы, сбоях и изменениях в работе городского транспорта, перекрытиях дорог https://twitter.com/DtRoad
«Московское метро» — официальный твиттер-аккаунт Московского метрополитена по оперативному информированию о работе метро https://twitter.com/nwroads
Тематический транспортный web-ресурс — группы в ВК
«СколькоДал.РФ» — поборы и взятки на дорогах РФ: отзывы водителей, интересные сюжеты, горячие новости и скандальные расследования https://vk.com/skolko_dal
«Автостоп Community» — путешествия автостопом и все вопросы, связанные с ним https://vk.com/ru_autostop
«Автостоп Онлайн» — новое, бесплатное приложение для поиска водителей и пассажиров, без диспетчеров https://vk.com/autostop.online
Таблица 2
Анализ web-краулеров
Table 2
Analysis of web crawlers
Название Техническое описание Примечание
Heritrix Гибкий, расширяемый, надежный и масштабируемый фреймворк, написанный на Java, способный получать, архивировать и анализировать тексты. Heretrix работает в распределенной среде с помощью хеширования URL хостов в поисковых машинах [17, 18]
Nutch Представляет собой инкрементный, параллельный, распределенный, кросс-платформенный модульный фреймворк для построения поисковых систем, написанный на java. Поддерживает граф связей узлов, различные фильтры и нормализацию URL
Scrapy Расширяемый, сфокусированный, параллельный, кросс-платформенный и гибкий фреймворк-библиотека для Python. Легко устанавливается, поддерживает выгрузку данных в форматах JSON, XML, CSV. Широко используется для веб-скрайпинга, не имеет встроенных функций для работы в распределенной среде
В качестве интернет-ресурса для дальнейшего исследования выберем портал http://autostrada.info/ru, так как на нем содержатся актуальные и постоянно обновляемые отзывы о состоянии дорог СевероЗападного федерального округа.
Этап 2. Выполнение анализа фрейм-ворков, предназначенных для парсинга1 и краулинга2. На сегодняшний момент уже существует широкий спектр известных библиотек [15, 16], которые позволяют не писать с нуля поисковые роботы. На основе анализа технических описаний фреймворков для сбора текстов, представленного в табл. 2, целесообразно выбрать фреймворк Scrapy.
Scrapy используется для получения данных с различных интернет-ресурсов, является популярным и производительным фреймворком, написанным на Python.
Этап 3. Разработка алгоритма работы системы для извлечения и анализа текстов. Алгоритм состоит из процедур, представ-
1 Парсинг (parsing — разбор) — автоматизированный сбор неструктурированной информации, ее преобразование и выдача в структурированном виде.
2 Краулинг (crawling — сканирование) — процесс сбора данных в Интернет, состоящий из навигации на веб-страницах, анализа их ссылок и содержимого.
ленных в табл. 3, а схема алгоритма представлена на рис. 1.
Этап 4. Построение краулер-модуля. Краулер-модуль выполняет процедуры 1—4 алгоритма: 1) формирует очередь ссылок; 2) добавляет список источников в очередь обхода; 3) сканирует страницу из очереди; 4) скачивает интересующий его веб-документ в базу данных.
В результате работы краулер-модуль формирует базу данных с отзывами пользователей.
Все собранные краулером отзывы группируются в единый текст и подвергаются процедуре предобработки: слова приводятся к нижнему регистру, затем отсеиваются все вспомогательные символы, такие как знаки препинания и стоп-слова. Далее с помощью библиотеки pymorhy2 слова приводятся к нормальной форме.
Этап 5. Векторизация [19] и лексический анализ отзывов. Все слова необходимо перевести в числовой вектор признаков с помощью одного из методов TF, IDF и TF-IDF [20]. Для этой процедуры используются векторизаторы. Векторизатор строит словарь индексов признаков. Мы будем использовать два векторизатора: CountVectorizer и TF-IDF Vectorizer [21]. Оба метода используют модель Bag of Words [22] и модель N-gram [23].
4
Таблица 3
Общий вид алгоритма для извлечения и анализа тематических текстов
Table 3
General view of the algorithm for extracting and analyzing thematic texts
Наименование процедуры
1. Формирование очереди ссылок, подаваемых на вход краулера
2. Список источников добавляются в очередь обхода краулера
3. Краулер сканирует страницу из очереди
4. Краулер скачивает интересующий его -№еЬ-документ в базу данных
5. Проводится очистка -№еЬ-документа от «мусора»
6. Производится сохранение очищенного текста в базу данных
7. Подготовка коллекций, ручная разметка текстов и построение корпуса тематических текстов
8. Запуск классификатора тональности
9. Обучение классификатора на различных корпусах текстов
10. Оценка работы классификатора тональности
Рис. 1. Схема алгоритма работы системы для извлечения и анализа тематических текстов Fig. 1. Diagram of the algorithm of the system for extracting and analyzing thematic texts
Этап 6. Разработка классификатора тональности. Для построения модели тонового классификатора рассмотрим две наиболее используемые модели классификации: наивный байесовский классификатор и линейный классификатор на основе стохастического градиента.
Существуют два подхода к наивному байесовскому классификатору: мультиномиальный и многомерный, которые дают разные результаты [24].
Недостатком многомерного байесовского классификатора является то, что он не учитывает количество вхождений слова в документ.
Эта проблема решена в мультиномиальной модели байесовского классификатора, где документ представляет собой последовательность слов.
Многомерная модель дает лучшую оценку предсказания на текстах с небольшим объемом слов. Мультиномиальная
модель — в случае, когда размер текстов составляет несколько тысяч слов [24].
Таким образом, в ходе разработки классификатора целесообразнее использовать мультиномиальную модель байесовского классификатора.
Основная идея линейного классификатора заключается в том, что признаковое пространство может быть разделено гиперплоскостью на две полуплоскости, в каждой из которых прогнозируется одно из двух значений целевого класса.
В ряде случаев задачи текстовой классификации, включающие в себя более одного класса, сводятся к нескольким задачам бинарной классификации [25, 26].
Метод стохастического градиента хорошо приспособлен для динамического обучения, когда обучающие объекты поступают потоком, и надо быстро обновлять вектор весов при появлении каждого нового объекта.
В программном исполнении наивный байесовский классификатор реализован в
библиотеке Scikit-Learn в виде стандартного метода MultinomialNB, а линейный классификатор на основе стохастического градиента — в виде SGDClassifier.
В связи с тем, что объем текстов на транспортном интернет-портале http://auto strada.info/ru составляет десятки тысяч слов, для разработки модели классификатора тональности целесообразно использовать мультиномиальную модель байесовского классификатора (MultinomialNB) и линейную модель классификатора на основе стохастического градиента (SGDClassifier).
Рассмотренные этапы (1—6) в общем виде представляют собой методику построения системы анализа отзывов на основе классификатора тональности.
Программная реализация
Краулер-модуль будем разрабатывать на основе выбранного фреймворка Scrapy. В качестве языка программирования выберем Python 3. Часть программы краулер-модуля представлена в листинге 1.
Import scrapy
classRoadSpider(scrapy.Spider): name = 'road_spider' start_urls = [
'http : //autostrada.info/ru/reviews/page/1/', ]
def parse(self, response):
for review in response.css('div.col-md-12.reviewBlock'):
tmp = review.css('p.comment.break-word::text').extract_first() tmp1 = review.css('a.label.label-code::text').extract_first() tmp2 = review.css('a.highwayLabel::text').extract_first() tmp = tmp.replace('\r\n', ' ') tmp = tmp.replace('\n', '') dd = {
'title': tmp1 + ' ' + tmp2,
'subtitle' : review.css('div.col-sm-8.b-rate.hidden-xs b: :text').extract_first(),
'date': review.css('strong.reviewDate::text').extract_first(), 'rate': review.css('span.b-stars::attr(title)').extract_first(),
'description': tmp, }
try:
dd['date'] = dd['date'].replace('\t', '') dd['date'] = dd['date'].replace('\n', '') dd['date'] = dd['date'].replace('\u0433.', '')
except:
pass yield dd
Листинг 1. Часть программы краулер-модуля Listing 1. Part of the crawler module program
В процессе работы краулера с сайта http://autostrada.info/ru извлекаются мнения пользователей в текстовом виде.
В результате работы краулер-модуля был собран корпус, содержащий 1130 текстов за период с 01 марта 2009 по 1 ноября 2018 года с сайта http://autostrada. info/ru. Рассмотрим несколько примеров текстов корпуса и того, что в них содержится.
На рис. 2 представлен пример структуры отзыва с сайта http://autostrada.info/ru о состоянии участка трассы, пролегающего между Лугой и Невелем.
Извлеченный текст записывается в базу данных с указанием атрибутов: date (дата создания отзыва), description (описание ситуации), subtitle (наименование трасы), title (кодифицированное наз-
вание трассы) и url (адрес отзыва в Интернет).
Например, для отзыва, представленного на рис. 3, атрибуты имеют вид: date: «05.02.2018 15:21»; description: «Участок дороги от Пскова до Луги...»; Subtitle: «Луга — Невель»; title: «Санкт-Петербург — Псков — Невель».
Таким образом, результатом работы краулер-модуля является база данных «dd» с отзывами пользователей.
На следующем этапе осуществляется векторизация и лексический анализ текста.
Для векторизации и лексического анализа текста будем использовать два метода из библиотеки sklearn: CountVectorizer и TF-IDF Vectorizer c мерой TF-IDF. Данные методы используют модели Bag of Words и модель N-gram.
Рис. 2. Структура отзыва на сайте http://autostrada.info/ru Fig. 2. Review structure on the site http://autostrada.info/ru
{'date': '09.10.2018", 'description1: 1 Участок дороги от Пскова до Луги в ремонте. Организовано1 ' реверсивное движение по светофорам. На большей части' ' перекрытых отрезков работы не выполняются, находятся только' ' регулировщики, и на том спасибо. Работы ведутся с грубейшим ' нарушением норм. Промоченное основание под песок экскаватор' ' приглаживает а не убирает, прослойка из геотекстиля не' ' укладывается, в эту жижу бульдозер толкает непонятный грунт' ' с глиной и на это все катают асфальт. Непонятно куда смотрят' ' контролирующие органы и чиновники, наверно они в одной' 'команде. Честно, за державу обидно' 'subtitle': 'Луга - Невель',
'title': 'Санкт-Петербург - Псков - Невель',
'rate': 'Дорога со значительными разрушениями дорожного полотна', 'url': https://autostrada.info/ru/highway/M-2 0'}
Рис. 3. Структура отзыва в базе данных Fig. 3. Recall structure in the database
# Наивный байес
clf = MultinomialNB()
NB_result = cross_val_score(clf, X, y, cv=cv).mean()
# Линейный классификатор clf = SGDClassifier() parameters = {
'loss': ('log', 'hinge'),
'penalty': ['none', 'l1', 'l2', 'elasticnet'],
'alpha': [0.001, 0.0001, 0.00001, 0.000001] }
gs_clf = GridSearchCV(clf, parameters, cv=cv, n_jobs=-1) gs_clf = gs_clf.fit(X, y) L_result = gs_clf.best_score_
Листинг 2. Программа тонового классификатора Listing 2. Listing the tone classifier program
Программную разработку тонового классификатора будем вести на языке Python 3, используя рассмотренные выше модели классификации.
Программа тонового классификатора на основе стандартных методов MultinomialNB и SGDClassifier классификаторов представлена в листинге 2.
Обучение разработанного классификатора будем проводить с использованием готовой выборки3, состоящей приблизительно из 225 тысяч размеченных твитов, имеющих положительные и отрицательные окрасы.
В ходе тестирования качество классификации было максимизировано путем перебора выбранных различных сочетаний классификатора, метода векторизации, схемы N-gram и других параметров. В ходе тестирования были рассмотрены: вид функции потерь, вид регуляризации и множитель альфа перед регуляризацией. В качестве стратегии кросс-валидации применялся метод ShuffleSplit из библиотеки Scikit-Learn, производилось пять итераций и в тестовую выборку отсекалось 30 % данных. Результаты последних пяти итераций представлены на рис. 4. По результатам валидации лучшей оказалась линейная модель со схемой N-gram: (1, 3)
3 http://study.mokoron.com/
(униграммы + биграммы + триграммы), векторизатором TF-IDF и параметрами: penalty — l24, alpha — 0.0000015, loss — log6. Ее результат ~ 0.72.
Качество классификации превышает 70 %, что говорит о правильном подборе релевантных обучающих выборок.
Результаты
В результате работы тестовой эксплуатации системы для извлечения и анализа дорожно-транспортной информации с сайта http://autostrada.info/ru удалось получить информацию о проблемных участках улич-но-дорожной сети и неблагоприятных дорожных ситуациях на дорогах СевероЗападного региона России.
Проанализировав классификацию отзывов, получили две выборки: положи -тельные отзывы и отрицательные. Результаты анализа сведены в табл. 4.
Примеры положительных и отрицательных отзывов, полученных при классификации, представлены в табл. 5.
4 Функция штрафа Ь2-регуляризация, которая штрафует весовые значения добавлением суммы их квадратов к ошибке.
5 Константа, которая умножает член регуляризации.
6 Функция потерь в виде логистической регрессии.
N-gram Scheme: (l, 1) Count Vectorizer N8: 0.636833277424 Linear: 6.667829587387
Linear Parameters: {'alpha': 0.0681, 'penalty': 'elasticnet'
'loss': 'log"
TF-IOF Vectorizer N8: 0.583092921838 Linear: 0,690969698909
Linear Parameters: {'alpha': le-65, 'penalty': 'elastlcnei'
'loss'; 'log'}
N-gram Scheme: (J, 2) Count Vectorizer NB: 0.681784636G23 Linear: 6.705333780611
Linear Parameters: {'alpha1: 0.061, 'penalty'
'12', 'loss': 'hinge'}
TF-IOF Vectorizer NB: 0.608587722241 Linear: 0.717343173432
Linear Parameters: ("alpha1: le-6S, "penalty'
"elasticnet'j 'loss": "log'}
N-gram Scheme: (1, 3) Count Vectorizer NB: 0.692787655149 Linear: 0,714793693391
Linear Parameters: {'alpha': 0,061, 'penalty':
TF-IOF vectorizer N8: 0.633143246523 Linear: 0.719498103992
Linear Parameters: {'alpha1: 0.0601, 'penalty'
'12', "loss': 'log*)
'12', 'loss': 'hinge")
N-gram Scheme: (1, 4) Count Vectorizer NB: 0.69533713519 Linear: 0,719154646992
Linear Parameters: {'alpha': 0.061, 'penalty': 42',
'loss": 'hinge')
TF-IOF Vectorizer N8: 0.650788326865 Linear: 6.719490193992
Linear Parameters: {'alpha': 0,8681, 'penalty'
'12', 'loss': 'hinge')
N-gram Scheme; (1, 5) Count vectorizer NB: 0.696640724589 Linear: Û.715062DS9712
Linear Parameters: {'alpha': 0.661, 'penalty'
'12', 'loss' г 'hinge")
TF-IOF Vectorizer NB: 0.66O986246226 Linear: 8,718483730292
Linear Parameters: {'alpha': 8,0681, 'penalty'
'12', 'loss': 'hinge')
Рис. 4. Оценка работы тонового классификатора Fig. 4. Evaluation of the tone classifier
Таблица 4
Результаты автоматической классификации трасс по отзывам
Table 4
Results of automatic classification of tracks according to reviews
Номер трассы Наименование трассы Участок трассы Протяженность участка, км Тип отзыва
Отрицательные отзывы 3385 отрицательный
М-20 Санкт-Петербург — Псков — Невель Луга — Невель 384,0 отрицательный
Р-41 Павлово — Луга — 190,0 отрицательный
Р-52 Шимск — Феофилова Пустынь — 79,0 отрицательный
М-10 Новая Ладога М—10 — Кириши 44,0 отрицательный
А-121 Санкт-Петербург — Сортавала Санкт-Петербург — Приозерск 154,0 отрицательный
Р-8 Устюжна — Валдай Боровичи — Лыкошино 267,0 отрицательный
Р-85 Вышний Волочек — Сонково Вышний Волочек — Максатиха 96,0 отрицательный
М-11 Москва — Санкт-Петербург обход Вышнего Волочка 76,0 отрицательный
Р-104 Сергиев Посад — Череповец Рыбинск — Череповец 180,0 отрицательный
Р-37 Лодейное Поле — Вытегра — 189,0 отрицательный
Р-19 Петрозаводск — Ошта — 168,0 отрицательный
Р-20 Спасская Губа — А-132 — 197,0 отрицательный
А-132 Суоярви — Юстозеро — 140,0 отрицательный
Р-18 Беломорск — М-18 "Кола" — 36,0 отрицательный
А-135 Кемь — Лонка Калевала — Финляндия 89,0 отрицательный
А-137 Тунгозеро — Калевала — 70,0 отрицательный
А-136 Лоухи — Суоперя — 170,0 отрицательный
Р-100 Судиславль — Солигалич — 167,0 отрицательный
Р-100 Судиславль — Солигалич Судиславль — Галич 76,0 отрицательный
Р-7 Чекшино — Никольск Тотьма — Никольск 210,0 отрицательный
Р-157 Урень — Котлас Никольск — Великий Устюг 170,0 отрицательный
Р-87 Ржев — Осташков — 125,0 отрицательный
А-112 Тверь — Ржев — 108,0 отрицательный
Положительные отзывы 9874 положительный
А-130 Олонец — Вяртсиля - 249,0 положительный
А-121 Санкт-Петербург — Сортавала Приозерск — Сортавала 132,0 положительный
Р-21 Пряжа — Леметти — 177,0 положительный
А-133 Петрозаводск — Суоярви — 134,0 положительный
Р-15 Шуйская — Гирвас — 78,0 положительный
Р-21 Санкт-Петербург—Мурманск Санкт-Петербург — Медвежьегорск 566,0 положительный
Окончание табл. 4
Номер трассы Наименование трассы Участок трассы Протяженность участка, км Тип отзыва
Р-17 Медвежьегорск — Великая Губа — 120,0 положительный
Р-5 Вологда — Медвежьегорск — 636,0 положительный
Р-2 Долматово — Каргополь — 223,0 положительный
Р-1 Брин-Наволок — Прокшино — 517,0 положительный
М-8 Москва — Ярославль — Архангельск Вологда — Архангельск 770,0 положительный
Р-176 Чебоксары — Йошкар-Ола — Сыктывкар — 872,0 положительный
Р-56 Великий Новгород — Псков — 251,0 положительный
М-9 Москва — Волоколамск — Латвия Москва — Великие Луки 470,0 положительный
М-20 Санкт-Петербург — Псков — Невель — 500,0 положительный
М-10 Москва — Санкт-Петербург Москва — Валдай 390,0 положительный
А-111 Торжок — Осташков — 126,0 положительный
Р-84 Тверь — Устюжна — 283,0 положительный
А-181 Санкт-Петербург — Выборг — Торфяновка — 147,0 положительный
А-180 Санкт-Петербург — Нарва — 160,0 положительный
А-127 Зверево — Малиновка — 85 положительный
А-123 Зеленогорск — Выборг — 92,0 положительный
А-125 Молодежное —Черкасово — 70 положительный
А-120 Молодежное — Большая Ижора Черемыкино — Кировск 123,0 положительный
А-118 КАД — 142 положительный
М-18 Санкт-Петербург — Мурманск Санкт-Петербург — Медвежьегорск 566 положительный
А-114 Вологда — Новая Ладога Тихвин — Новая Ладога 100 положительный
Р-7 Чекшино — Никольск Чекшино — Тотьма 150 положительный
Р-157 Урень — Котлас Урень — Никольск 263 положительный
Р104 Сергиев Посад — Череповец Калязин — Рыбинск 128 положительный
Р-25 Сыктывкар — Ухта — 321 положительный
Р-243 Кострома — Киров — Пермь Киров — Пермь 490 положительный
Р-168 Киров — Адышево — Вер-хошижемье — Советск — 137 положительный
Р-176 Чебоксары — Йошкар-Ола — Сыктывкар Яранск — Киров 250,0 положительный
Р-600 Ярославль — Кострома — Иваново Кострома — Иваново 103 положительный
Р-101 Островское — Заволжск — Кинешма — 53 положительный
Таблица 5
Примеры классификации отзывов на трассы Северо-Западного региона
Table 5
Examples of classification of reviews on the tracks of the North-West region
Номер трассы Трасса Положительные Отрицательные
M-10 Москва — Санкт- Петербург (Великий Новгород — Чудово) Санкт-Петербург — Новгород замечательная дорога Ужас!!! Ехали 25.08.2018 со стороны Демянска. Нет слов просто, пробки и все из за светофоров, а самое главное из-за ремонта моста. Хотя бы объездную бы придумали самый нужный участок дороги и вот такая Ж...((((((Я не против ремонта это хорошо но варианты объезда тоже нужно было продумывать. С ребёнком 2,5 часа в пробке .(((
M-18 Санкт-Петербург — Мурманск (Санкт-Петербург — Медвежьегорск) Все хорошо, ехать можно 'До Петрозаводска-ОК! В Карелии много камер
А-114 Вологда — Новая Ладога 'Участок от поворота на Устюжну до Новой Ладоги. Почти везде отличное покрытие, местами прямо немецкий автобан! Трафик небольшой. Про камеры в Вологодской области уже говорили, но там, где их нет, абсолютно спокойно едется 120 и выше! Начиная от Пикалёво (аккуратно едем по объездной, есть один незаметный очень поганый кусок) трафик постепенно начинает расти Дорога хорошая, но такого количества камер вы не встретите нигде. По-моему это называется — беспредел со стороны ГИБДД. Получила штраф, что называется, на ровном месте. Едешь на разрешенной по трассе скорости, вдруг знак — резкое снижение скорости до 40 км. При этом никакого населенного пункта. Через триста метров, ограничение снимается и ты можешь опять ехать 90-100. Как это называть иначе, как ловушка для того, чтобы стричь штрафы? И таких выдумок на трассе достаточно
В Северо-Западном федеральном округе протяженность положительно оцененных дорог по отзывам пользователей портала А^оз^ада.тЮ/га составила 9874 км или 75 %, а отрицательно оцененных дорог — 3385 км или 25 %.
Диаграмма оценки состояния дорог Северо-Западного федерального округа по
отзывам пользователей АШоз^ада.тЮ/га, с учетом протяженности, представлена на рис. 5.
Для наглядности результатов исследования приведем размеченную карту дорог Северо-Западного федерального округа, соответствующую положительным и отрицательным отзывам (см. рис. 6).
Протяженность дорог с отрицательной оценкой, км
Протяженность дорог с положительной оценкой, км
Рис. 5. Оценка дорог Северо-Западного федерального округа по отзывам пользователей
Autostrada.info/ru
Fig. 5. Road rating of the North-West Federal District according to user reviews Autostrada.info/ru
Рис. 6. Размеченная в соответствии с отзывами карта дорог Северо-Западного федерального округа Fig. 6. Road map of the North-West Federal District marked according to reviews
Выводы
Разработана система для извлечения и тонового анализа отзывов c портала Autostгada.mfo/ru о дорогах Северо-Западного федерального округа. В результате классификации отзывы были разбиты на две выборки — положительные и отрицательные. Точность классификации составила 71,94 %. В соответствии с отзывами была произведена цветовая разметка карты дорог СевероЗападного федерального округа. Размеченная карта позволила визуально отобразить проблемные участки улично-дорожной сети, а база с отрицательными отзывами — содержательно охарактеризовать указанные в отзыве проблемы.
Данная информация может использоваться дорожными службами в качестве первичной информации для выявления проблемных участков улично-дорожной сети транспортных магистралей, на которых отсутствуют дорожные видеокамеры.
В дальнейшем планируется реализовать глубокую классификацию отзывов по тематическим группам, таким как пробки, ДТП, ремонт, гололед, снежные заторы, штрафы и др. В рамках следующего этапа планируется сравнить методы BAG-of-Words и TF-IDF с методом векторного представления слов Word2Vec, который показал лучшие результаты [27]. Также планируется рассмотреть новые методы тематической классификации
текстов, такие как сверточные нейронные сети, метод опорных векторов и др.
Подобные технологии позволят расширить существующие системы транспортного мониторинга в части учета новых показателей [28, 29] и дадут толчок к развитию новых систем управления дорожным дви-
жением [30] и транспортной мобильностью населения [31, 32].
Исследование выполнено в рамках государственного задания Минобрнауки РФ НИОКТР «Разработка теоретических основ организации сложных когнитивных транспортных систем» № АААА-А19-119032590097-6
СПИСОК ЛИТЕРАТУРЫ
1. Coifman B., Dhoorjaty S. Event data-based traffic detector validation tests // J. of Transportation Engineering. 2004. Vol. 130(3). Pp. 313-321 // URL: https://doi.org/10.1061/(ASCE)0733-947X (2004)130:3(313)
2. Maghrour Z.M., Torok A. Single loop detector data validation and imputation of missing data. Measurement // URL: https://doi. org/10.1016/j.mea surement.2017.10.066 (Дата обращения: 01.11.2017)
3. Laña I., Olabarrieta I. (Iñaki), Vélez M., Del Ser J. On the imputation of missing data for road traffic forecasting: New insights and novel techniques // Transportation Research Part C: Emerging Technologies. 2018. Vol. 90. Pp. 18-33 // URL: https://doi.org/10.1016/j.trc.2018.02.021
4. Semwal D., Patil S., Galhotra S., Arora A., Unny N. (2015). STAR: Real-time spatiotemporal analysis and prediction of traffic insights using social media // Proc. of the 2nd IKDD Conf. on Data Sciences. Bangalore, India: ACM, 2015. P. 7 // URL: http://dx.doi.org/10.1145/2778865.2778872
5. Gutiérrez C., Figuerias P., Oliveira P., Costa R., Jardim-Goncalves R. Twitter mining for traffic events detection. 2015 Science and Information Conf. London, UK: IEEE, 2015. Pp. 371-378 // URL: http://dx.doi.org/10.1109/SAI.2015.7237170.
6. Селиверстов Я.А., Чигур В.И., Сазанов А.М., Селиверстов С.А., Свистунова А.С. Разработка системы для тонового анализа отзывов пользователей портала «autostrada. info/ru» // Труды СПИИРАН. 2019. Т. 18. № 2. С. 354-389 // URL: http://dx.doi.org/10.15622/sp.18.2.354-389
7. Rashidi T.H., Abbasi A., Maghrebi M., Hasan S., Waller T.S. Exploring the capacity of social media data for modelling travel behaviour: Opportunities and challenges // Transportation Research Part C: Emerging Technologies. 2017. Vol. 75. Pp. 197—211 // URL: http://dx.doi.org/10.1016/j.trc.2016.12.008
8. Seliverstov Ya.A., Seliverstov Sv.A., Ko-mashinskiy V.I., Tarantsev A.A., Shatalova N.V., Grigoriev V.A. Intelligent systems preventing road traffic accidents in megalopolises in order to evaluate // Proc. of 2017 20th IEEE Internat. Conf. on Soft Computing and Measurements. 2017. Pp. 489-92 // URL: https://doi.org/10.1109/CTSYS.2017.8109528
9. Seliverstov Y.A., Seliverstov S.A., Malygin I.G., Tarantsev A.A., Shatalova N.V., Lukomskaya O.Y., Tishchenko I.P., Elyashevich A.M. Development of management principles of urban traffic under conditions of information uncertainty // Communications in Computer and Information Science. 2017. Vol. 754. Pp. 399-41 // URL: https://doi.org/10. 1007/978-3-319-65551-2_29
10. Djahel S., Doolan R., Muntean G.-M., Murphy J. A communications-oriented perspective on traffic management systems for smart cities: Challenges and innovative approaches // IEEE Communication Surveys and Tutorials, 2015. Vol. 17(1). Pp. 125-151 // URL: http://dx.doi.org/10.1109/C0MST.2014.2339817
11. Fu K., Nune R., Tao J.X. Social media data analysis for traffic incident detection and management // Transportation Research Board 94th Annual Meeting. 2015. No. 15-4022 // URL: https://trid.trb. org/view/1338383
12. Gal-Tzur A., Grant-Muller S.M., Kuflik T., Minkov E., Nocera S., Shoor I. The potential of social media in delivering transport policy goals // Transport Policy. 2014. No. 32. Pp. 115-123 // URL: http://dx.doi.org/10.1016Zj.tranpol.2014.01.007
13. Gal-Tzur A., Grant-Muller S.M., Minkov E., Nocera S. The impact of social media usage on transport policy: Issues, challenges and recommendations // Procedia - Social and Behavioral Sciences. 2014. Vol. 111. Pp. 937-946 // URL: http://dx.doi.org/10.1016/j.sbspro.2014.01.128
14. Gong Y., Deng F., Sinnott R.O. Identification of (near) real-time traffic congestion in the cities of Australia through Twitter // Proc. of the ACM 1st Internat. Workshop on Understanding the City with Urban Informatics. Melbourne, Australia: ACM. 2015. Pp. 7-12 // URL: http://dx.doi.org/10. 1145/2811271.2811276
15. Zhenhua Zhang, Ming Ni, Qing He, Jing Gao. Final report. Mining transportation information from social media for planned and unplanned events. University at Buffalo, SUNY & Transportation Informatics Tier I University Transportation Center, 2016. 68 p.
16. Zhang Z., He Q., Gao J., Ni M. A deep learning approach for detecting traffic accidents
from social media data // Transportation Research Part C: Emerging Technologies. 2018. Vol. 86. Pp. 580-596. D0I:10.1016/j.trc.2017.11.027
17. Шелманов А. О., Каменская М.А., Ананьева М.И., Смирнов И.В. Семантико-синтакси-ческий анализ текстов в задачах вопросно-ответного поиска и извлечения определений // Искусственный интеллект и принятие решений. 2016. № 4. С. 47-61.
18. Кузнецов А.Н., Вышемирский Д.А. Об одном подходе к решению задачи токенизации при анализе больших массивов пользовательских паролей // Безопасность информационных технологий. 2017. № 2. С. 50-60.
19. Chen K., Zhang Z., Long J., Zhang H. Turning from TF-IDF to TF-IGM for term weighting in text classification // Expert Systems with Applications, 2016. Vol. 66. Pp. 245-260. DOI: 10.1016/j.eswa.2016.09.009
20. Bissan Ghaddar, Joe Naoum-Sawaya. High dimensional data classification and feature selection using support vector machines // European J. of Operational Research. 2018. Vol. 265. Iss. 3. Pp. 993-1004.
21. Jimenez-Marquez J. L., Gonzalez-Carrasco I., Lopez-Cuadrado J.L., Ruiz-Mezcua B. Towards a big data framework for analyzing social media content // Internat. J. of Information Management. 2019. Vol. 44. Pp. 1-12. DOI: 10.1016/j.ijinfomgt. 2018.09.003
22. Bissan Ghaddar, Joe Naoum-Sawaya. High dimensional data classification and feature selection using support vector machines // European J. of Operational Research. 2018. Vol. 265. Iss. 3. Pp. 993-1004.
23. Dey A., Jenamani M., Thakkar J.J. Senti-N-Gram: An N-gram lexicon for sentiment analysis // Expert Systems with Applications. 2018. Vol. 103. Pp. 92-105. DOI: 10.1016/j.eswa.2018.03.004
24. Сизов А.А., Николенко С.И. Наивный байесовский классификатор. DOCPLAYER //
URL: https://docplayer.ru/45424867-Naivnyy-bayeso vskiy-klassifikator.html (Дата обращения: 25.01.2019).
25. Воронцов К.В. Вероятностное тематическое моделирование // URL: http://www.machi nelearning.ru/wiki/images/2/22/Voron-2013-ptm.pdf
26. Воронцов К.В. Лекции по линейным алгоритмам классификации // URL: http://www.machi nelearning.ru/wiki/images/ 6/68/voron-ML-Lin.pdf
27. Kim D., Seo D., Cho S., Kang P. Multi-co-training for document classification using various document representations: TF—IDF, LDA, and Doc2Vec // Information Sciences. 2019. Vol. 477. Pp. 15—29.
28. Селиверстов С.А., Селиверстов Я.А. Обзор показателей транспортной обеспеченности мегаполиса // Вестник гражданских инженеров. 2015. № 5 (52). С. 237—247.
29. Селиверстов С.А., Селиверстов Я.А. О методе оценки эффективности организации процесса дорожного движения мегаполиса // Вестник транспорта Поволжья. 2015. № 2 (50). С. 91—96.
30. Селиверстов С.А., Селиверстов Я.А. Метод построения пути субъективного предпочтительного следования // Известия СПбГЭТУ ЛЭТИ. 2016. Т. 4. С. 31—37.
31. Селиверстов Я.А., Селиверстов С. А. Использование систем класса ГАТЛОСЭМИ для упреждения причин возникновения ДТП и неблагоприятных социальных исходов в «умном городе» // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. 2016. № 1 (236). С. 65—81. DOI: 10.5862/JCSTCS.236.7
32. Шаталова Н.В. Развитие транспортной отрасли как основополагающей при решении проблем стратегического и экономического характера // Модернизация и научные исследования в транспортном комплексе. 2017. Т. 1. С. 230—233.
Статья поступила в редакцию 30.06.2019.
REFERENCES
1. Coifman B., Dhoorjaty S. Event data-based traffic detector validation tests. J. of Transportation Engineering, 2004, Vol. 130(3), Pp. 313-321. Available: https://doi.org/10.1061/(ASCE)0733-947X (2004)130:3(313)
2. Maghrour Zefreh M., Torok A. Single loop detector data validation and imputation of missing data, Measurement. Available: https://doi.org/10.10 16/j.measurement.2017.10066 (Accessed: 01.11.2017).
3. Laña I., Olabarrieta I. (Iñaki), Vélez M., Del Ser J. On the imputation of missing data for
road traffic forecasting: New insights and novel techniques. Transportation Research Part C: Emerging Technologies, 2018, Vol. 90, Pp. 18-33. Available: https://doi.org/10.1016/j.trc.2018.02.021
4. Semwal D., Patil S., Galhotra S., Arora A., Unny N. STAR: Real-time spatiotemporal analysis and prediction of traffic insights using social media. Proceedings of the 2nd IKDD Conference on Data Sciences. Bangalore, India: ACM, 2015, P. 7 Available: http://dx.doi.org/10.1145/2778865. 2778872
5. Gutiérrez C., Figuerias P., Oliveira P., Costa R., Jardim-Goncalves R. Twitter mining for traffic events detection. 2015 Science and Information Conference. London, UK: IEEE, 2015, Pp. 371-378. Available: http://dx.doi.org/10.U09/SM.2015.7237170
6. Seliverstov Y.A., Chigur V.I., Sazanov A.M., Seliverstov S.A., Svistunova A.S. Sentiment Analysis of «AUTOSTRADAINFO/RU" Users» Comments. SPIIRAS Proceedings, 2019, Vol. 18(2), Pp. 354-389. Available: https://doi.org/10.15622/sp.18.2.354-389
7. Rashidi T.H., Abbasi A., Maghrebi M., Hasan S., Waller T.S. Exploring the capacity of social media data for modelling travel behaviour: Opportunities and challenges. Transportation Research Part C: Emerging Technologies, 2017, Vol. 75, Pp. 197-211. Available: http://dx.doi.org/10.1016/j. trc.2016.12.008
8. Seliverstov Ya.A., Seliverstov Sv.A., Komashinskiy V.I., Tarantsev A.A., Shatalova N.V., Grigoriev V.A. Intelligent systems preventing road traffic accidents in megalopolises in order to evaluate. Proceedings of 2017 20th IEEE International Conference on Soft Computing and Measurements, 2017, Pp. 489-92. Available: https://doi.org/10.n09/CTSYS.20178109528
9. Seliverstov Y.A., Seliverstov S.A., Malygin I.G., Tarantsev A.A., Shatalova N.V., Lukomskaya O.Y., Tishchenko I.P., Elyashevich A.M. Development of management principles of urban traffic under conditions of information uncertainty. Communications in Computer and Information Science, 2017, Vol. 754, Pp. 399-41. Available: https://doi.org/10.1007/978-3-319-65551-2_29
10. Djahel S., Doolan R., Muntean G.-M., Murphy J. A communications-oriented perspective on traffic Management Systems for Smart Cities: Challenges and innovative approaches. IEEE Communication Surveys and Tutorials, 2015, Vol. 17(1), Pp. 125-151. Available: http://dx.doi. org/10.1109/COMST.2014.2339817
11. Fu K., Nune R., Tao J.X. Social media data analysis for traffic incident detection and management. Transportation Research Board 94th Annual Meeting, 2015, No. 15-4022. Available: https://trid.trb.org/ view/1338383
12. Gal-Tzur A., Grant-Muller S.M., Kuflik T., Minkov E., Nocera S., Shoor I. The potential of social media in delivering transport policy goals. Transport Policy, 2014, No. 32, Pp. 115-123. Available: http://dx.doi.org/10.1016/j.tranpol.2014.01.007
13. Gal-Tzur A., Grant-Muller S.M., Minkov E., Nocera S. The impact of social media usage on transport policy: Issues, challenges and recommendations. Procedia — Social and Behavioral
Sciences, 2014, Vol. 111, Pp. 937-946. Available: http://dx.doi.org/10.1016/j.sbspro.2014.01.128
14. Gong Y., Deng F., Sinnott R.O. Identification of (near) real-time traffic congestion in the cities of Australia through Twitter. Proceedings of the ACM first international workshop on understanding the city with urban informatics. Melbourne, Australia: ACM, 2015, Pp. 7-12. Available: http://dx.doi.org/10.1145/2811271.2811276
15. Zhenhua Zhang, Ming Ni, Qing He, Jing Gao. Final report. Mining transportation information from social media for planned and unplanned events. University at Buffalo, SUNY & Transportation Informatics Tier I University Transportation Center, 2016, 68 p.
16. Zhang Z., He Q., Gao J., Ni M. A deep learning approach for detecting traffic accidents from social media data. Transportation Research Part C: Emerging Technologies, 2018, Vol. 86, Pp. 580-596. DOI: 10.1016/j.trc.2017.11.027
17. Shelmanov A.O., Kamenskaya M.A., Ananyeva M.I., Smirnov I.V. Semantic-syntactic analysis for question answering and definition extraction. Artificial Intelligence and Decision Making, 2016, No. 4, Pp. 47-61. (rus)
18. Kuznetsov A.N., Vyshemirskiy D.A. One approach to solving tokenization problem for analysis of large-scale collections of user-defined passwords. Bezopasnost informatsionnykh tekhnologiy [ITSecurity], 2017, No. 2, Pp. 50-60. (rus)
19. Chen K., Zhang Z., Long J., Zhang H. Turning from TF-IDF to TF-IGM for term weighting in text classification. Expert Systems with Applications, 2016, Vol. 66, Pp. 245-260. DOI: 10.1016/j.eswa.2016.09.009
20. Bissan Ghaddar, Joe Naoum-Sawaya. High dimensional data classification and feature selection using support vector machines. European Journal of Operational Research, 2018, Vol. 265, Iss. 3, Pp. 993-1004.
21. Jimenez-Marquez J.L., Gonzalez-Carrasco I., Lopez-Cuadrado J.L., Ruiz-Mezcua B. Towards a big data framework for analyzing social media content. International Journal of Information Management, 2019, Vol. 44, Pp. 1-12. DOI: 10.1016/j.ijinfomgt.2018.09.003
22. Bissan Ghaddar, Joe Naoum-Sawaya. High dimensional data classification and feature selection using support vector machines. European Journal of Operational Research, 2018, Vol. 265, Iss. 3, Pp. 993-1004.
23. Dey A., Jenamani M., Thakkar J.J. Senti-N-Gram: An N-gram lexicon for sentiment analysis. Expert Systems with Applications, 2018, Vol. 103, Pp. 92-105. DOI: 10.1016/j.eswa.2018.03.004
24. Sizov A.A., Nikolenko S.I. Naivnyy Bayesovskiy klassifikator. DOCPLAYER [Naive Bayes classifier. DOCPLAYER]. Available: https://docplayer.ru/45424867-Naivnyy-bayesovskiy-klassifikator.html (Accessed: 25.01.2019). (rus)
25. Vorontsov K.V. Veroyatnostnoye tematicheskoye modelirovaniye [Probabilistic thematic modeling]. Available: http://www.machinelearning.ru/wiki/images /2/22/Voron-2013-ptm.pdf (rus)
26. Vorontsov K.V. Lektsii po lineynym algoritmam klassifikatsii [Lectures on linear classification algorithms]. Available: http://www.machinelearning. ru/wiki/images/6/68/voron-ML-Lin.pdf
27. Kim D., Seo D., Cho S., Kang P. Multi-co-training for document classification using various document representations: TF-IDF, LDA, and Doc2Vec. Information Sciences, 2019, Vol. 477, Pp. 15-29.
28. Seliverstov S.A., Seliverstov Ya.A. Review of megalopolis transportprovision indicators. Vestnik grazhdanskikh inzhenerov [Bulletin ofCivil Engineers], 2015, No. 5 (52), Pp. 237-247. (rus)
29. Seliverstov S.A., Seliverstov Ya.A. O metode otsenki effektivnosti organizatsii protsessa dorozhnogo
Received 30.06.2019.
dvizheniya megapolisa [On a method for assessing the effectiveness of the organization of the process of traffic in a megalopolis]. Vestnik transporta Povolzhya, 2015, No. 2 (50), Pp. 91-96. (rus)
30. Seliverstov S.A., Seliverstov Ya.A. The determination method of the subjective preferred route. Izvestiya SPbGETU LETI, 2016, Vol. 4. Pp. 31-37. (rus)
31. Seliverstov Ya.A., Seliverstov S.A. Use of GATLOSAMI to prevent causes of traffic accidents and adverse social accidents in a 'SMART CITY'. St. Petersburg State Polytechnical University Journal. Computer Science. Telecommunications and Control Systems, 2016, No. 1 (236), Pp. 65-81. DOI: 10.5862/JCSTCS.236.7. (rus)
32. Shatalova N.V. Razvitiye transportnoy otrasli kak osnovopolagayushchey pri reshenii problem strategicheskogo i ekonomicheskogo kharaktera [Development of the transport industry as fundamental in solving problems of a strategic and economic nature]. Modernizatsiya i nauchnyye issledovaniya v transportnom komplekse [Modernization and research in the transport sector], 2017, Vol. 1, Pp. 230-233. (rus)
СВЕДЕНИЯ ОБ АВТОРАХ / THE AUTHORS
СЕЛИВЕРСТОВ Ярослав Александрович SELIVERSTOV Yaroslav A.
E-mail: [email protected]
НИКИТИН Кирилл Вячеславович NIKITIN Kirill V.
E-mail: [email protected]
ШАТАЛОВА Наталья Викторовна SHATALOVA Natalya V. E-mail: [email protected]
КИСЕЛЕВ Арсений Алексеевич KISELEV Arseny A.
E-mail: [email protected]
© Санкт-Петербургский политехнический университет Петра Великого, 2019
