https://libeldoc.bsuir.by/handle/123456789/46953| Title: | Интеллектуальная система автоматизации оценивания тематик текстового контента |
| Other Titles: | Intellectual system of textual content subject estimation automatization |
| Authors: | Рудниченко, Н. Д. Вычужанин, В. В. Егошина, А. А. Вороной, С. М. Шибаева, Н. О. |
| Keywords: | материалы конференций;естественные языки;машинное обучение;интеллектуальные информационные системы;natural language processing;machine learning;intelligent information systems |
| Issue Date: | 2022 |
| Publisher: | БГУИР |
| Citation: | Интеллектуальная система автоматизации оценивания тематик текстового контента / Н. Д. Рудниченко [и др.] // Технологии передачи и обработки информации : материалы международного научно-технического семинара, Минск, март-апрель 2022 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2022. – С. 40–45. |
| Abstract: | В работе приведены результаты разработки и исследования интеллектуальной системы автоматизации оценивания тематик текстового контента на базе применения алгоритмов машинного обучения. Проведен анализ проблематики в задачах обработки естественного языка, обоснована актуальность рассматриваемых задач. Разработана концепция работы системы, описан ее компонентный состав, приведена характеристика собранных данных для анализа, проведены численные эксперименты по обучению тестированию созданных моделей машинного обучения, подтверждающие эффективность использования бустинга и опорных векторов для решения поставленной задачи. Предложены пути дальнейшего совершенствования разработанной системы. |
| Alternative abstract: | This article presents the results of the development and research of an intellectual system of textual content subject estimation automatization based on the application of machine learning algorithms. The analysis of problems in the tasks of natural language processing is carried out, the relevance of the tasks under consideration is substantiated. The concept of system was developed, its component structure was described, the characteristics of the data collected for analysis were described and numerical experiments on training and testing of created models of machine learning were conducted. These experiments confirmed the effectiveness of using boosting and support vectors for solving the task. Ways to further improve the developed system are proposed. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/46953 |
| Appears in Collections: | Технологии передачи и обработки информации : материалы международного научно-технического семинара (2022) |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Rudnichenko_Intellektualnaya.pdf | 141.78 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.