Алгоритм видобутку інформації з неструктурованих текстових джерел

Скорочена інформація про документ
dc.contributor.advisorКаніовська, Ірина Юріївна
dc.contributor.authorБаздирев, Антон Андрійович
dc.date.accessioned2020-11-02T12:20:06Z
dc.date.available2020-11-02T12:20:06Z
dc.date.issued2020-06
dc.description.abstractenThesis: 90 pp., 43 fig., 13 tables, 2 appendix, 13 sources. The object of research - unstructured textual data, including texts from websites and official documentation. The subject of research - recurrent neural networks, neural networks transformers. The purpose of the work is to describe and formalize the general approach to the information extraction from unstructured text sources using deep learning models and to create a system for recognition and extraction of official names and addresses from the websites of companies. The result is a deployed system, which extracts the official company names and addresses in arbitrary text documents and websites. The methods of deep and transfer learning are used in the work. BERT and LSTM were used as encoders. The relevance of the study is that algorithms for natural language procesing are widely used in companies engaged in strategic consulting, risk analysis and the creation of common comprehensive commercial knowledge bases and expert systems.uk
dc.description.abstractukДипломна робота містить: 90 с., 43 рис., 13 табл., 2 дод., 13 джерел. Об’єкт дослідження – неструктуровані текстові дані, зокрема тексти з веб-сайтів та офіційної документації. Предмет дослідження - рекурентні нейронні мережі, нейронні мережі трансформери. Мета роботи – описати та заформалізувати загальний підхід до видобутку довільної інформації з неструктурованих текстових джерел за допомогою методів глибокого навчання та створити систему розпізнавання та видобутку з веб-сайтів компаній офіційних імен та адрес. Результатом роботи є створена та розгорнена в кластері в хмарі AWS система, що розпізнає офіційні імена компанії та адреси в довільних текстових документах та веб-сайтах. У роботі застосовано методи глибокого та трансферного начання. В якості нейронних мереж кодувальників використано BERT та LSTM. Актуальність дослідження полягає в тому, що алгоритми роботи з довільними текстовими даними наразі знаходять широке застосування в компаніях, що займаються стратегічним консультуванням, аналізом ризиків та створенням загальних всеохоплюючих комерційних баз знань та експертних систем.uk
dc.format.page90 с.uk
dc.identifier.citationБаздирев, А. А. Алгоритм видобутку інформації з неструктурованих текстових джерел : дипломна робота бакалавра : 124 Системний аналіз / Баздирев Антон Андрійович. – Київ, 2020. – 90 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/37175
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectобробка природної мовиuk
dc.subjectглибоке навчанняuk
dc.subjectтрансферне навчанняuk
dc.subjectвидобуток інформаціїuk
dc.subjectтрансформериuk
dc.subjectnatural language processinguk
dc.subjectdeep learninguk
dc.subjecttransfer learninguk
dc.subjectdata extractionuk
dc.subjecttransformer networksuk
dc.titleАлгоритм видобутку інформації з неструктурованих текстових джерелuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Bazdyrev_bakalavr.pdf
Розмір:
5.2 MB
Формат:
Adobe Portable Document Format
Опис:
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