Методи і моделі глибоких нейронних мереж для автоматичного визначення логічного зв'язку між текстами

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorКозак, Катерина Олександрівна
dc.date.accessioned2022-09-22T06:47:18Z
dc.date.available2022-09-22T06:47:18Z
dc.date.issued2022
dc.description.abstractenMaster’s thesis 81 p., 10 tab., 10 fig., 16 references, 1 appendix. The object of research is the task of recognition of textual entailment(natural language inference). The subject of the research is algorithms and models of the problem of recognition of textual entailment(natural language inference). The aim of the study is to analyze algorithms and methods for the task of automatically determining the relationship between texts, in particular methods based on the use of deep neural networks. The model of task of recognition of textual entailment(natural language inference) on the basis of models like Transformer is offered and developed. These models are able to quickly process the sequences of premise-hypothesis pairs to compare this pair to one of the classes - logical entailment, contradiction or neutral class. The proposed model is compared with the existing methods of solving the problem of natural language inference – models such as Transformer, recurrent neural networks based on LSTM using the attention mechanism.uk
dc.description.abstractukМагістерська дисертація: 81 с., 10 табл., 10 рис., 16 джерел, 1 додаток. Об’єктом дослідження є задача автоматичного визначення зв’язку між текстами. Предмет дослідження – алгоритми та моделі задачі автоматичного визначення зв’язку між текстами. Мета дослідження полягає у аналізі алгоритмів та методів для задачі автоматичного визначення зв'язку між текстами, зокрема методи, що базуються на використанні глибоких нейронних мереж. Запропонована та розроблена модель вирішення автоматичного визначення логічного зв'язку між текстами на основі моделей типу Трансформер. Дані моделі здатні швидко оброблювати послідовності пар передпосилка-гіпотеза для співставлення цієї пари до одного з класів – логічного наслідку, протиріччя чи нейтрального класу. Проведено порівняння запропонованої моделі з існуючими методами вирішення задачі логічного зв’язку між текстами – моделями типу Трансформер, рекурентних нейроних мереж на основі LSTM з використанням механізму уваги.uk
dc.format.page83 с.uk
dc.identifier.citationКозак, К. О. Методи і моделі глибоких нейронних мереж для автоматичного визначення логічного зв'язку між текстами : магістерська дис. : 122 Комп'ютерні науки / Козак Катерина Олександрівна. - Київ, 2022. - 83 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/49947
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectобробка природної мовиuk
dc.subjectдовга короткострокова пам’ятьuk
dc.subjectмеханізм увагиuk
dc.subjectглибоке навчанняuk
dc.subjectавтоматичне визначення логічного зв'язку між текстамиuk
dc.subjectnatural language processinguk
dc.subjectlong short term memoryuk
dc.subjectattention mechanismuk
dc.subjectdeep learninguk
dc.subjectnatural language ingerenceuk
dc.subjectrecognizing textual entailmentuk
dc.subject.udc004.852uk
dc.titleМетоди і моделі глибоких нейронних мереж для автоматичного визначення логічного зв'язку між текстамиuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи