Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/45429
Title: Deep Learning Approach in the Context of Information Retrieval for Solving both Automatic Natural Language Generation and Automatic Text Generation Problems
Other Titles: Подход на основе глубокого обучения в контексте информационного поиска для решения задач как автоматического синтеза естественного языка так и автоматического синтеза текста
Authors: Krapivin, Y. B.
Keywords: материалы конференций;natural languages;information retrieval;automatic natural language synthesis;automatic text synthesis;machine learning;естественные языки;информационный поиск;автоматический синтез естественного языка;автоматический синтез текста;машинное обучение
Issue Date: 2021
Publisher: БГУИР
Citation: Krapivin, Y. Deep Learning Approach in the Context of Information Retrieval for Solving both Automatic Natural Language Generation and Automatic Text Generation Problems / Y. Krapivin // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2021) : сборник научных трудов / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. В. Голенков [и др.]. – Минск, 2021. – Вып. 5. – С.299–302.
Abstract: The article presents the solution of practical application of the deep learning approach in the context of information retrieval based on the usage of LSTM and GPT-2 language models for solving both automatic natural language generation and automatic text generation problems.
Alternative abstract: В статье представлено решение практического применения подхода глубокого обучения в контексте поиска информации на основе использования языковых моделей LSTM и GPT-2 для решения задач как автоматического синтеза естественного языка, так и автоматического синтеза текста.
URI: https://libeldoc.bsuir.by/handle/123456789/45429
ISSN: 2415-7740
Appears in Collections:OSTIS-2021

Files in This Item:
File Description SizeFormat 
Krapivin_Deep.pdf150.55 kBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.