Отрывок: Перед работой нейронная сеть была обучена на тестовой выборке. Оцениваются два списка терминов, составленных по одному тексту: первый список составлен экспертом; второй – программной системой. При составлении списков использованы одинаковые наборы шаблонов. При нахождении экспертом термина, не подходящего по шаблону, термин игнорируется и не заносится в результирующий список. Для э...
Название : | Гибридный алгоритм классификации кандидатов в термины текста предметной области |
Авторы/Редакторы : | Андреев И. А. Мошкин В. С. Ярушкина Н. Г. |
Дата публикации : | 2022 |
Библиографическое описание : | Андреев, И. А. Гибридный алгоритм классификации кандидатов в термины текста предметной области / И. А. Андреев, В. С. Мошкин, Н. Г. Ярушкина // Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. / М-во науки и образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - фил. ФНИЦ "Кристаллография и фотоника" РАН. - Самара : Изд-во Самар. ун-та, 2022Т. 4: Искусственный интеллект / под ред. А. В. Никонорова. - 2022. - С. 041182. |
Аннотация : | В работе описывается метод классификации кандидатов в термины проблемной области при помощи лингвистических методов с использованием нейронных сетей. Приведен алгоритм работы, представлены результаты экспериментов. По результатам работы достигнут высокий показатель точности. |
Другие идентификаторы : | RU\НТБ СГАУ\491072 |
Ключевые слова: | термины стемминг нейронные сети методы классификации гибридные алгоритмы машинное обучение лингвистика |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
ИТНТ-2022. Том 4. Искусственный интеллект/978-5-7883-1792-2_2022-041182.pdf | 920.16 kB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.