Аналіз і оцінка текстів відповідей на відкриті запитання за допомогою великих мовних моделей та методів машинного навчання

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorШапошнікова, Софія Віталіївна
dc.date.accessioned2024-11-13T11:17:20Z
dc.date.available2024-11-13T11:17:20Z
dc.date.issued2024
dc.description.abstractДипломна робота: 150 сторінок, 6 таблиць, 37 рисунків, 2 додатки, 24 посилання. Мета дослідження — підвищити ефективність та точність використання великих мовних моделей та методів машинного навчання у процесі аналізу відповідей на відкриті запитання, а також пошуку відео з YouTube на основі аналізу недоліків текстової відповіді. Об’єкт дослідження — оцінка текстів відповідей на запитання відкритого типу, текстове обґрунтування виставленої оцінки та пошук відео з YouTube на основі аналізу недоліків текстової відповіді. Предмет дослідження — методи машинного навчання та великі мовні моделі для оцінки та аналізу текстових відповідей на відкриті запитання, LLM агенти для пошуку релевантих навчальних відео в YouTube. Методи дослідження — методи обробки природної мови, такі як векторне представлення слів та глибоке навчання для покращення точності аналізу відповідей на відкриті запитання, а також LLM агенти для пошуку та аналізу додаткових матеріалів. Вивчено проблеми ефективності та точності аналізу відповідей на відкриті запитання за допомогою великих мовних моделей. Розроблено та реалізовано методи аналізу та оцінки відповідей на відкриті запитання, використовуючи попередньо навчені великі мовні моделі та техніки машинного навчання. Проведено експерименти з різними методами обробки відповідей, включаючи векторне представлення слів, трансформерні архітектури та механізми уваги. Оцінено ефективність та точність розроблених методів в порівнянні з існуючими підходами до аналізу відповідей на відкриті запитання. Проведено порівняльний аналіз результатів роботи розроблених методів та їх вплив на якість та швидкодію аналізу великих обсягів текстових даних. Створено систему для пояснень оцінки відповідей на відкриті запитання з допомогою методу Retrieval Augmented Generation (RAG). Розроблено та реалізовано систему для пошуку навчальних відео з YouTube на основі аналізу недоліків текстової відповіді. Створено зручний інтерфейс для взаємодії з системою оцінки відповідей на відкриті запитання та пошуку навчальних відео з YouTube. Результати роботи можуть бути використані для покращення систем автоматичного оцінювання та перевірки знань, розробки інтелектуальних асистентів для навчання та навчальних платформ, а також для підвищення якості обробки великих обсягів текстової інформації в різних сферах, таких як освіта, технології тощо.
dc.description.abstractotherThesis: 150 pages, 2 tables, 41 figures, appendix, 24 references. The purpose of the research — to enhance the efficiency and accuracy of using large language models (LLMs) and machine learning methods in the process of analyzing answers to open-ended questions and finding YouTube videos based on the analysis of textual responses. The object of research — evaluation of texts answering open-ended questions, textual justification of the assigned score, and search for YouTube videos based on the analysis of textual responses. The subject of research — machine learning methods and large language models for evaluating and analyzing textual responses to open-ended questions, and LLM agents for finding relevant educational videos on YouTube. Research methods — natural language processing (NLP) techniques such as word vector representation and deep learning to improve the accuracy of analyzing open-ended responses, as well as LLM agents for searching and analyzing additional materials. The study investigated the issues of efficiency and accuracy in analyzing open-ended question responses using large language models. Methods for analyzing and evaluating responses to open-ended questions were developed and implemented, utilizing pre-trained large language models and machine learning techniques. Experiments were conducted with various response processing methods, including word vector representations, transformer architectures, and attention mechanisms. The effectiveness and accuracy of the developed methods were assessed in comparison with existing approaches to analyzing open-ended question responses. A comparative analysis of the results of the developed methods was conducted, and their impact on the quality and speed of analyzing large volumes of textual data was evaluated. A system for explaining the evaluation of responses to open-ended questions using the Retrieval Augmented Generation (RAG) method was created. Additionally, a system for searching educational YouTube videos based on the analysis of textual response deficiencies was developed and implemented. A user-friendly interface was created for interacting with the system for evaluating responses to open-ended questions and searching for educational YouTube videos. The results of this work can be used to improve automatic assessment and knowledge verification systems, develop intelligent learning assistants and educational platforms, and enhance the quality of processing large volumes of textual information in various fields such as education and technology.
dc.format.extent150 с.
dc.identifier.citationШапошнікова, С. В. Аналіз і оцінка текстів відповідей на відкриті запитання за допомогою великих мовних моделей та методів машинного навчання : дипломна робота ... бакалавра : 124 Системний аналіз / Шапошнікова Софія Віталіївна. - Київ, 2024. - 150 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/70548
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectаналіз відповідей
dc.subjectвеликі мовні моделі
dc.subjectвідкриті запитання
dc.subjectобробка тексту
dc.subjectоцінка
dc.subjectобробка природної мови(nlp)
dc.subjectмашинне навчання
dc.subjectштучний інтелект
dc.subjectresponse analysis
dc.subjectlarge language models
dc.subjectopen-ended questions
dc.subjecttext processing
dc.subjectevaluation
dc.subjectnatural language processing (nlp)
dc.subjectmachine learning
dc.subjectartificial intelligence
dc.titleАналіз і оцінка текстів відповідей на відкриті запитання за допомогою великих мовних моделей та методів машинного навчання
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Shaposhnikova_bakalavr.pdf
Розмір:
9.55 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

Бакалаврські роботи (ММСА)
Бакалаврські роботи