В последние годы анализ настроений сообщений электронной почты или сообщений в социальных сетях становится очень популярным. Это может помочь людям определить, читают ли они что-то положительное или отрицательное. В то же время в Интернете есть несколько служб, которые могут помочь вам найти или создать новое имя. При обработке создания они проверяют имя на других популярных языках, поэтому ваше имя не означает неуместные вещи на других языках. За это они выставляют счет на 25 тысяч долларов США. Если есть такие услуги, то есть спрос. В этом исследовании был проведен анализ настроений электронной почты с использованием лемматизатора StanfordNLP [1] и классических алгоритмов машинного обучения в качестве классификатора. Он применяется к реальным электронным письмам из русскоязычного почтового ящика, что означает наличие как английских, так и русских сообщений. Таким образом, идентификация языка также добавляется в качестве шага предварительной обработки. В этом исследовании был проведен только анализ бинарных настроений, но его можно улучшить, добавив несколько обнаруживаемых эмоций. Затем другая модель генерирует казахские имена, используя нейронные сети, где все казахские имена были собраны через различные веб-сайты. Модель анализа настроений дает точность 81%, а совместное использование двух моделей позволяет нам генерировать новые казахские имена, которые проверяются на русском языке, если они означают что-то неуместное. Результат может быть улучшен путем проверки с другими языками.
In recent years, sentiment analysis of e-mail messages or social media posts is becoming very popular. It can help people define if they are reading something positive or negative. On the same time, there are some services on the Internet that can help you find or create a new name. When processing the creation, they check the name in other popular languages, so your name does not mean inappropriate things in other languages. For this they bill for 25 thousand US dollars. If there are such services, then there is a demand. In this study, sentiment analysis of e-mails was implemented with using StanfordNLP [1] lemmatizer and classic machine learning algorithms as a classifier. It is applied to real e-mails from Russian speaking mailbox, which means there are both English and Russian messages. Thus, language identification is also added as preprocessing step. In this study only binary sentiment analysis was made, but it can be improved with adding several emotions to be detected. Then another model generates Kazakh names using neural networks, where all Kazakh names data has been collected through various websites. The sentiment analysis model gives 81% accuracy and the joint use of two models allow us to generate new Kazakh names, which are checked with Russian language if they mean something inappropriate. The result can be improved with checking with other languages.