Entītiju balstīta sentimenta analīze ar lielo valodas modeli

Abstract

Kvalifikācijas darbs sastāv no ievada, piecām daļām, rezultātiem, secinājumiem un desmit pielikumiem. Kvalifikācijas darba ietvaros tika izstrādāta mājaslapa ziņu rakstu un citu tekstu sentimenta analīzei pret entitāti. Mājaslapa no lietotāja ievadīta ziņu raksta vai teksta parāda īsus posmus, kur tiek pieminēta lietotāja ievadītā entitāte, un izmantojot lielo valodas modeli tiek noteikts katra posma sentiments pret entitāti, vai šis posms ir pozitīvs, neitrāls vai negatīvs pret ievadīto entitāti un ir lielā valodas modeļa uzrakstīts pamatojums izvēlētajam sentimentam. Mājaslapas klienta puses koda izstrādei tika izmantots Angular, datu bāzei tika izmantots MongoDB, un servera pusē tika izmantota Flask tehnoloģija, kā arī TypeScript, Python, HTML un SCSS programmēšanas valodas. Tika izmantots OpenAI ChatGPT-4 Turbo lielās valodas modelis.

The qualification work consists of an introduction, five parts, results, conclusions and ten annexes. As part of the qualification work, a website was developed for analysis of sentiment of news articles and other texts against an entity. The website displays short sections of the user inputted news article or text which mention the user inputted entity, and uses the large language model to determine the sentiment of each section against the entity, whether that section is positive, neutral, or negative to the inputted entity, and the rationale for the chosen sentiment is also written by the large language model. Angular was used to develop the website's client-side code, the database was made and managed using MongoDB, and the server side used Flask, as well as TypeScript, Python, HTML, and SCSS programming languages. The large-language model of OpenAI ChatGPT-4 Turbo was used.