Метод розпізнавання іменованих сутностей в українській мові з малою кількістю навчальних прикладів

Скорочена інформація про документ
dc.contributor.advisorШаповал, Наталія Віталіївна
dc.contributor.authorКашперова, Софія Володимирівна
dc.date.accessioned2026-02-18T13:02:48Z
dc.date.available2026-02-18T13:02:48Z
dc.date.issued2025
dc.description.abstractМагістерська дисертація: 132с., 14 рис., 19 табл., 49 посилань, додаток. Об’єкт дослідження – процес розпізнавання іменованих сутностей в українських текстах. Предмет дослідження – метод розпізнавання іменованих сутностей з малою кількістю навчальних прикладів. Мета дослідження – розробити та експериментально оцінити метод розпізнавання іменованих сутностей в українських текстах з малою кількістю навчальних прикладів, порівняти ефективність з великими мовними моделями. Новизна: запропонований метод раніше не застосовувався для розпізнавання іменованих сутностей; на момент розробки програмного продукту не існує відкритих моделей, що працюють у zero-shot/few-shot режимі й спеціально навчені для української мови. У даній роботі було реалізовано метод з модулем, який поєднує контекстні подання токенів тексту з поданнями текстових промптів класів сутностей та модулем, що підвищує розрізнювальну здатність моделі за рахунок явного моделювання як подібності, так і відмінностей між поданнями. Практичне значення роботи полягає у створенні прототипу NER системи, що підтримує українську, може застосовуватися для попередньої обробки текстових даних у задачах аналітики, пошуку, чат-ботів та інформаційного видобування, а також розширенні розмічених корпусів українською мовою.
dc.description.abstractotherMaster's thesis: 132 p., 14 figures, 19 tables, 49 references, appendix. The object of the study is the process of named entity recognition in Ukrainian. The subject of the research is a method for named entity recognition with small number of training examples. The purpose of the work is to develop and experimentally evaluate a method for named entity recognition in Ukrainian texts with a small amount of training data and to compare its effectiveness with large language models. Novelty: the proposed method has not previously been used for named entity recognition; at the time of developing the software product there were no open-source models that operate in a zero-shot mode and are specifically trained for the Ukrainian language. In this paper the method was implemented with a module that fuses contextual representations of text tokens with textual prompts of entity classes, and with a scoring module that increases the discriminative power of the model by explicitly modelling both similarity and difference between the representations. The practical significance of the study lies in the development of a prototype NER system that supports Ukrainian and can be used for preprocessing textual data in analytics, search, chat-bots and information retrieval tasks, as well as for extending annotated corpora in the Ukrainian language.
dc.format.extent132 с.
dc.identifier.citationКашперова, С. В. Метод розпізнавання іменованих сутностей в українській мові з малою кількістю навчальних прикладів : магістерська дис. : 122 Комп'ютерні науки / Кашперова Софія Володимирівна. – Київ, 2025. – 132 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78856
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectрозпізнавання іменованих сутностей
dc.subjectмалорозмічені дані
dc.subjectвеликі мовні моделі
dc.subjectтрансформери
dc.subjectглибоке навчання
dc.subjectдоменна адаптація
dc.subject.udc004.85:004.912:811.161.2(043.3)
dc.titleМетод розпізнавання іменованих сутностей в українській мові з малою кількістю навчальних прикладів
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kashperova_magistr-1.pdf
Розмір:
2.71 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

Магістерські роботи (ШІ)
Магістерські роботи