Программный комплекс для гибридного анализа тональности узбекских текстов с использованием именованных сущностей

 В данной статье представлен программный комплекс для автоматического
анализа тональности узбекских текстов. Система основана на гибридном подходе, сочетающем модель трансформатора, модуль извлечения именованных сущностей (NER) и специально составленный словарь тональности узбекского языка. Актуальность данной
разработки обусловлена растущим объемом неформальных текстов в социальных сетях и отсутствием готовых инструментов для их обработки. Комплекс реализует полный цикл обработки: очистку и нормализацию текста, извлечение сущностей, определение тональности и ключевых слов, а также визуализацию результатов во встроенном вебинтерфейсе. Модели и словарь адаптированы к агглютинативным и орфографическим
особенностям узбекского языка, что повышает устойчивость к разговорной и смешанной письменности. Кратко описаны архитектура комплекса, основные программные модули и
их взаимодействие, а также принцип работы прикладного интерфейса (REST API). Приведены примеры использования системы для анализа отзывов и сообщений пользователей, подтверждающие её пригодность для решения прикладных задач мониторинга общественного мнения. По результатам первоначальных экспериментов достигнуто существенное улучшение качества по сравнению с базовыми моделями текста
без учета НЭР и лексики.

1. Kuriyozov E., Salaev U., Matlatipov S., Matlatipov G. Text classification dataset and analysis for Uzbek language. arXiv preprint arXiv:2302.14494, 2023.

2. DOI: 10.5281/zenodo.7677431.

3. Matlatipov S., Rahimboeva H., Rajabov J., Kuriyozov E. Uzbek Sentiment Analysis Based on Local Restaurant Reviews. In: Proceedings of the ALTNLP Workshop. 2022. DOI:10.48550/arXiv.2205.15930.

4. Matlatipov S., Rajabov J., Kuriyozov E., Aripov M. UzABSA: Aspect-Based Sentiment Analysis for the Uzbek Language. In: Proceedings of SIGUL 2024 – 3rd Workshop on Speech and Language Technologies for Low-Resource Languages. 2024.

5. Kuriyozov E., Vilares D., Gómez-Rodríguez C. BERTbek: A Pretrained Language Model for Uzbek. In: Proceedings of SIGUL 2024. 2024. P. 33–44.

6. Tan K. L., Lee C. P., Lim K. M. A Survey of Sentiment Analysis: Approaches, Datasets, and Future Research. Applied Sciences, 2023, vol. 13, no. 7, 4550.

7. DOI: 10.3390/app13074550.

8. Nip J. Y. M. Social Media Sentiment Analysis. Encyclopedia, 2024, vol. 4, no. 4, 104. DOI:10.3390/encyclopedia4040104.

9. Aftab F., Bazai S. U., et al. A Comprehensive Survey on Sentiment Analysis

10. Techniques. International Journal of Technology, 2023, vol. 14, no. 6.

11. DOI: 10.14716/ijtech.v14i6.6632.

12. Aliyu M. A., Ibrahim F., Musa A., et al. A Systematic Review of Sentiment Analysis in Low-Resource Languages. IEEE Access, 2024, vol. 12.

13. DOI: 10.1109/ACCESS.2024.3398635.

14. Mengliev D., Abdurakhmonova N., Shirinova R., Suyunova M. Developing Named Entity Recognition Algorithms for Uzbek: Dataset Insights and Implementation. Data in Brief, 2024, vol. 54, 110413. DOI: 10.1016/j.dib.2024.110413.

15. Saidov B. R., Barakhnin V. B., Rixsibayev U. T., Sharipov E. J. Methods of Automatic Selection of Named Entities (NER) in Uzbek Language for Text Tone Analysis. In: Proceedings of the International Conference on Computational Linguistics and Intelligent Systems. 2025.

16. B. R. Saidov, V. B. Barakhnin 37

17. Saidov B. R., et al. Creating an Emotional Dictionary for the Uzbek Language: Taking Cultural–Linguistic Specifics into Account. Journal of Language Resources and Evaluation, 2025, vol. 59, no. 2, pp. 245–268.

18. Saidov B. R., et al. Sentiment Analysis of Uzbek Texts Using NER: A Comparative Study of SVM, LSTM, and BERT Models. Vestnik SibGUTI, 2025, vol. 19, no. 4, (in press).

19. Atlas L. G., et al. A modernized approach to sentiment analysis of product reviews using BiGRU and RNN based LSTM deep learning models. Scientific Reports, 2025, vol. 15, 6642. DOI: 10.1038/s41598-025-01104-0.

20. Chhetri G., Dutta A., Das S. CognitiveSky: Scalable Sentiment and Narrative Analysis for Decentralized Social Media. arXiv preprint arXiv:2509.11444, 2025.

21. DOI: 10.48550/arXiv.2509.11444.

22. Islam T., et al. Lexicon and Deep Learning-Based Approaches in Sentiment Analysis on Short Texts. Journal of Computer and Communications, 2024, vol. 12, no. 1, pp. 11–34. DOI: 10.4236/jcc.2024.121002.

23. Tang X., et al. EMFSA: Emoji-based multifeature fusion sentiment analysis. PLOS ONE, 2024, vol. 19, no. 9, e0311415. DOI: 10.1371/journal.pone.0311415.

24. Sufi F. K. AI approach on identifying change in public sentiment for major events: Dubai Expo 2020. Journal of Engineering Research, 2024. DOI: 10.1016/j.jer.2024.07.010.

25. Hash Block. Real-Time Sentiment Analysis App with NestJS Backend and Streamlit Frontend. Medium, 11 July 2025. Available at: https://medium.com/...

26. Seow W. L., Chaturvedi I., Hogarth A., Mao R., Cambria E. A review of named entity recognition: from learning methods to modelling paradigms and tasks. Artificial Intelligence Review, 2025, vol. 58, 315. DOI: 10.1007/s10462-025-11321-8.

27. Veitsman Y., Hartmann M. Recent Advancements and Challenges of Turkic Central Asian Language Processing. In: Proceedings of the First Workshop on Language Models for LowResource Languages (LoResLM), 2025. DOI: 10.48550/arXiv.2407.05006.

28. Saidov B. R., Barakhnin V. B., Madirimov Sh., Ibragimov U., Meylikulov Sh., Normamatov S., Bahodirova F., Matnazarov J., Fayzullaeva Z. Dual-Source Synthetic Uzbek Corpora for Sentiment Analysis and NER with Controlled Emoji Signals. Data, 2026, vol. 11, no. 2, 28. DOI: 10.3390/data11020028.

29. Saidov B. R., Barakhnin V. B., et al. Methods of Automatic Selection of Named Entities (NER) in Uzbek Language for Text Tone Analysis. In: Proceedings of the IEEE 26th International Conference of Young Professionals in Electron Devices and Materials (EDM-2025). Altai, Russian Federation, 2025. DOI: 10.1109/EDM65517.2025.11096748.

30. Saidov B. R., et al. Integration of a Sentiment Dictionary and NER System into a Tool for Analyzing Public Opinion in the Uzbek Language. In: Proceedings of the IEEE 2025 International Conference AL-KHWARIZMI (APEIE-2025). Urgench, Uzbekistan, 2025. DOI: 10.1109/APEIE66761.2025.11289303.