Аналіз сучасних методів реферування текстів

Скорочена інформація про документ
dc.contributor.authorБистріцький, А.
dc.contributor.authorТолкунов, І.
dc.contributor.authorГавриленко, О.
dc.contributor.authorБогданова, Н.
dc.date.accessioned2025-05-21T09:48:25Z
dc.date.available2025-05-21T09:48:25Z
dc.date.issued2025
dc.description.abstractУ сучасному світі, де потоки інформації захльостують нас щодня, вміння швидко орієнтуватися в морі текстових даних стає життєво важливим. Наукові статті, новини, блоги, соціальні мережі – скрізь нас оточує лавина текстів, що вимагають нашої уваги. Як же впоратися з цим інформаційним цунамі, не потонувши в безодні деталей? Саме цій проблемі присвячена дана стаття. Досліджуються можливості автоматизованого реферування текстів – процесу створення стислих, інформативних викладень великих обсягів текстової інформації. Традиційні методи аналізу текстів, що базуються на ручному перегляді та обробці, стають неефективними в умовах зростаючих обсягів інформації. На допомогу приходить штучний інтелект, зокрема обробка природної мови (NLP) та машинне навчання. NLP дозволяє комп'ютерам "розуміти" людську мову, аналізуючи її структуру та значення. Машинне навчання, в свою чергу, наділяє комп'ютери здатністю навчатися на основі даних, виявляючи приховані закономірності та самостійно покращуючи свою роботу. Завдяки поєднанню цих технологій, комп'ютери можуть аналізувати величезні обсяги текстової інформації, виділяти ключові моменти, відкидати несуттєві деталі та генерувати стислі, інформативні реферати, що зберігають основний зміст оригіналу [1]. Автоматизоване реферування текстів – це не просто технологічний тренд, а необхідність, що допоможе опанувати інформаційний простір та ефективно використовувати знання, закладені в текстах.
dc.description.abstractotherIn today's world, where we are daily overwhelmed by streams of information, the ability to quickly navigate through a sea of textual data becomes crucial. Scientific articles, news, blogs, social networks—all surround us with a deluge of texts demanding our attention. How do we cope with this information tsunami without drowning in an abyss of details? This article is dedicated to addressing this issue. It explores the possibilities of automated text summarization—the process of creating concise, informative summaries from large volumes of textual information. Traditional text analysis methods, based on manual review and processing, become ineffective amid increasing information volumes. Artificial intelligence, specifically natural language processing (NLP) and machine learning, comes to the rescue. NLP enables computers to "understand" human language by analyzing its structure and meaning. Machine learning, in turn, empowers computers to learn from data, uncovering hidden patterns and independently improving their performance. Thanks to the combination of these technologies, computers can analyze vast amounts of textual information, highlight key points, discard trivial details, and generate concise, informative summaries that preserve the original content [1]. Automated text summarization is not just a technological trend, but a necessity that helps us master the information space and effectively utilize the knowledge embedded in texts.
dc.format.pagerangeС. 46-54
dc.identifier.citationАналіз сучасних методів реферування текстів / А. Бистріцький, І. Толкунов, О. Гавриленко, Н. Богданова // Адаптивні системи автоматичного управління : міжвідомчий науково-технічний збірник. – 2025. – № 1 (46). – С. 46-54. – Бібліогр.: 10 назв.
dc.identifier.doihttps://doi.org/10.20535/1560-8956.46.2025.323679
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/73877
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.relation.ispartofАдаптивні системи автоматичного управління : міжвідомчий науково-технічний збірник, № 1 (46), 2025
dc.rights.urihttps://creativecommons.ru/licenses
dc.subjectвтоматизоване реферування текстів
dc.subjectобробка природної мови (NLP)
dc.subjectмашинне навчання
dc.subjectекстрактивне реферування
dc.subjectанотаційне реферування
dc.subjectабревіативне реферування
dc.subjectTextRank
dc.subjectLSA
dc.subjectвиділення ключових фраз
dc.subjectаналіз тексту
dc.subjectінформаційне перевантаження
dc.subjectautomated text summarization
dc.subjectnatural language processing (NLP)
dc.subjectmachine learning
dc.subjectextractive summarization
dc.subjectabstractive summarization
dc.subjectabbreviative summarization
dc.subjectTextRank
dc.subjectLSA (Latent Semantic Analysis)
dc.subjectkey phrase extraction
dc.subjecttext analysis
dc.subjectinformation overload
dc.subject.udc004.8 ; 004.93
dc.titleАналіз сучасних методів реферування текстів
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
46-54.pdf
Розмір:
4.07 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Адаптивні системи автоматичного управління : міжвідомчий науково-технічний збірник. – 2025. – № 1 (46)