Розробка мобільного Аndroid-додатку з застосуванням принципів Сlean Аrchitecture

В роботі розглянуто існуючі методи розробки мобільного Android-додатку із застосуванням принципів CLean Architectureз метою оптимізації архітектури програмних продуктів на старті їх створення. Досліджено концептуальні підходи та принципи Clean Architecture, розглянуто можливість побудови Android-додатків згідно пошарової схеми, згідно з якою шари зв’язуються правилом залежності Dependency Rule. Для розробки Android-додатку “Lucky Days - Lunar Calendar” використаносередовищеAndroid Studioна базі вихідного коду продукту IntelliJ IDEA Community Edition та мови програмування Kotlin, яка працює поверх JVM та компілюється в JavaScript. Показано коди додаткудля потоку вводу-виведення, який демонструє використання співпрограми.Крім можливостей, що існують в IntelliJ IDEA, в Android Studio реалізовано нову уніфіковану підсистему складання, тестування і розгортання застосунків, яка базується на інструментарії Gradle і підтримує використання засобів безперервної інтеграції. Наведено описання інтерфейсу програми, наведено фрагменти кодів, що відповідають за найбільш важливі функції. До складу також включені пристосовані під особливості платформи Android розширені інструменти рефакторингу, перевірки сумісності з минулими випусками, виявлення проблем з продуктивністю, моніторингу споживання пам'яті та оцінки зручності використання. У редактор також додано режим швидкого внесення правок.Для спрощення проектування додатку використано бібліотеку Android Navigation з набору Jetpack та створено граф зв’язків між вікнами додатку. Для роботи мобільного додатку сформовано та запаковано у архів бази даних SQLite, а для організації комунікації між не пов’язаними частинами додатку реалізовано EventBus з набором функцій. Наведено приклади кодів Event-класів та State-класів, які використовуються у розробленому додатку. Запропоновану методику, що відповідає принципам Clean Architecture, а саме відокремлення бізнес-логіки від відображення елементів списку впроваджено для розробки Android-додатку.

A Multilabel Classifier for Text Classification and Enhanced BERT System

Now-a-day, a vast variety of reviews are published on the web. As a result, an automated system to analyze and extract knowledge from such textual data is needed. Sentiment analysis is a well-known sub-area in Natural Language Processing (NLP). In earlier research, sentiments were determined without considering the aspects specified in a review instance. Aspect-based sentiment analysis (ABSA) has caught the attention of researchers. Many existing systems consider ABSA as a single label classification problem. This drawback is handled in this study by proposing three approaches that use multilabel classifiers for classification. In the first approach, the performance of a model with hybrid features is analyzed using the multilabel classifier. The hybrid feature set includes word dependency rule-based features and unigram features selected using the proposed two-phase weighted correlation feature selection (WCFS) approach. In the second and third approaches Bidirectional Encoder Representation from Transformers (BERT) language model is used. In the second approach, a BERT system is enhanced by applying max pooling on target terms which specify an aspect of a review instance and a multibit label is given as input to the BERT system. In the third approach, the basic BERT system is used for word embedding only and classification is done using multilabel classifiers. In all approaches, the label used for all training instances specifies aspects with its sentiments. The experimentation shows that the results gained using the system proposed in the first approach are comparable to the results gained using the BERT system. The experimental results depict that the Enhanced BERT system gives better results compared to the existing systems.