• ВХОД

    •  

    Полное описание

    Применение методов машинного обучения и отбора признаков на основе генетического алгоритма в решении задачи определения автора русскоязычного текста для кибербезопасности = Application of Machine Learning Methods and Feature Selection Based on a Genetic Algorithm in Solving the Problem of Determining the Authorship of a Russian-Language Text for Cybersecurity / А. В. Куртукова, А. С. Романов, А. М. Федотова, А. А. Шелупанов. - DOI 10.21293/1818-0442-2021-25-1-79-85. - Текст : непосредственный // Доклады Томского государственного университета систем управления и радиоэлектроники : периодический научный журнал. - 2022. - Т. 25, N 1. - С. 79-85. - Библиогр. в конце ст. - ISSN 1818-0442.

    ГРНТИ УДК
    16.31.2181'322.2(04)
    27.41.19519.854.2
    28.23.25004.85

    Рубрики:
    Компьютерная лингвистика
    Генетические алгоритмы
    Машинное обучение

    Кл.слова (ненормированные): отбор признаков -- авторство -- анализ текста -- машинное обучение -- искусственные нейронные сети -- нейронные сети -- нейросеть
    Аннотация: Исследуются подходы к определению автора текста на естественном языке, достоинства и недостатки этих подходов. Процесс идентификации автора русскоязычного текста осуществляется с использованием классических алгоритмов машинного обучения и архитектур нейронных сетей (в том числе fastText, CNN и LSTM и их гибриды, BERT). Оценка эффективности моделей проводится на корпусе сообщений пользователей социальных сетей. Отдельный эксперимент посвящен отбору информативных признаков с помощью генетического алгоритма. Обучение SVM на отобранном генетическим алгоритмом множестве 400 признаков позволяет добиться до 10% прироста точности для всех рассмотренных корпусов авторов. Нейронные сети достигают точности классификации 96%, но при этом их время обучения в некоторых случаях в десятки раз превышает время, затраченное на обучение SVM и других классических методов машинного обучения. Для SVM совместно с генетическим алгоритмом средняя точность составила 66%, для глубоких нейронных сетей и fastText - 73 и 68% соответственно.
    Доп. точки доступа:
    Куртукова, Анна Владимировна
    Романов, Александр Сергеевич
    Федотова, Анастасия Михайловна
    Шелупанов, Александр Александрович

    Экз-ры полностью 6cc628850d044c4d8114871a89a2afce/2022/25/1
    Нет сведений об экземплярах
    Держатели документа:
    Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -878072-229209)

    Шифр в сводном ЭК: b9ce3c7763af06662ff5ede0b7cd10d1




    Заказ фрагмента документа ₽