• ВХОД

    •  

    Полное описание


     Разработка эргономичного приложения-помощника на основе нейронной сети / Д. С. Савенков, С. Ю. Поздняков, А. А. Кузьменко [и др.]. - DOI 10.21869/2223-1560-2023-27-3-52-65. - Текст : непосредственный // Юго-Западный государственный университет. Известия Юго-Западного государственного университета : научный рецензируемый журнал. - 2023. - Т. 27, N 3. - С. 53-66. - Библиогр. в конце ст. - ISSN 2223-1560.
    (Шифр в БД У4100/2023/27/3)
    ГРНТИ УДК
    28.23004.8
    28.23.37004.032.26
    РУБ ИИ
    04.01

    Рубрики:
    Искусственный интеллект
    Нейронные сети

    Кл.слова (ненормированные): кластеризация -- k-средних++ -- метрика силуэта -- обработка естественного языка -- метод t-sne
    Аннотация: Целью работы является разработка структурированной модели для обучения нейронной сети на основе электронной энциклопедии. Методы. В данной работе были использованы методы для анализа текстовых статей: 1) TF-IDF - это статистическая мера, используемая для оценки важности термов в документе относительно корпуса документов. Она вычисляет относительную важность термов, учитывая частоту их появления в документе или всем корпусе документов. TF-IDF позволяет выделить ключевые термины, которые характеризуют содержание каждого документа. 2) Кластеризация методом k-средних++ - это метод машинного обучения, применяемый для разделения объектов на группы (кластеры) на основе их сходства. Этот метод позволил создать новые категории статей на основе их содержания. 3) Метод t-SNE - это метод визуализации сложных многомерных данных в двух или трех измерениях. Результаты. Анализ текстовых статей с использованием методов обработки естественного языка, таких как TF-IDF, и их кластеризация методом k-средних++ позволяют создать новые категории статей на основе их содержания. В данной работе был получен результирующий график кластеризации, который показал хорошо разделенные кластеры с высокой точностью. Заключение. Для анализа уникальности триграмм в статьях были использованы значения TF-IDF. Триграммы были классифицированы на различные группы уникальности, что позволяет выявить области, где статьи содержат высокую уникальность триграмм. Комбинации различных групп уникальности могут указывать на разные тематические аспекты или контексты в текстах. Дополнительно, с помощью метода t-SNE был получен график кластеризации, который визуально выделяет новые категории статей. Этот график помогает наглядно представить структуру кластеров и их взаимное расположение в двух измерениях. Таким образом, исследование позволяет более глубоко понять и систематизировать содержание статей и выделить связи между ними.
    Доп. точки доступа:
    Савенков, Д.С.
    Поздняков, С.Ю.
    Кузьменко, Александр Анатольевич
    Филиппов, Родион Алексеевич
    Филиппова, Людмила Борисовна

    Экз-ры полностью У4100/2023/27/3
    Имеются экземпляры в отделах: всего 2 : ЧЗХР (1), ХРЦ (1)
    Свободны: ЧЗХР (1), ХРЦ (1)
    Переход по DOI



    Заказ фрагмента документа ₽