Методи і моделі машинного навчання для текстової аналітики

Скорочена інформація про документ
dc.contributor.advisorСавастьянов, Володимир Володимирович
dc.contributor.authorПетренко, Микола Миколайович
dc.date.accessioned2023-09-25T07:56:05Z
dc.date.available2023-09-25T07:56:05Z
dc.date.issued2023
dc.description.abstractДипломна робота: 105 с., 15 рис., 8 табл., 2 дод., 23 джерела. Темою роботи є використання моделей та методів машинного навчання в сфері текстової аналітики. Об’єктом дослідження є аналіз настроїв за аспектами. Предметом дослідження є модель латентної регресії аспектів та модель довгої-короткочасної пам'яті. Метою даної роботи є порівняння показників класичних методів розв’язку задачі з методом латентної регресії аспектів. Актуальність роботи пов’язана з збільшенням кількості текстів для обробки та розвитком машинного навчання. В результаті роботи на мові Python було побудовано набір допоміжних класів для написання нейромереж довгої короткочасної пам'яті (ДКЧП) та латентної регресії аспектів (ЛРА), демонстраційно натренерованих для порівняння результатів аналізу аспектів на поданому наборі даних.uk
dc.description.abstractotherBachelor's Thesis: 105 p., 15 fig., 8 tab., 8, 2 app., 23 sources. The topic of the work is the use of models and methods of machine learning in the field of text analytics. The object of the study is the analysis of ratings by aspects. The subject of research is the model of latent regression of aspects and the model of long-short-term memory. The purpose of this work is to compare the performance of classical methods of solving the problem with the method of latent regression of aspects. The relevance of the work is related to the increase in the number of texts for processing and the development of machine learning. As a result of the work in Python, a set of auxiliary classes was built for writing long short-term memory (LSTM) and latent aspect regression (LAR) neural networks, demonstratively trained to compare the results of aspect analysis on the given data set.uk
dc.format.extent105 с.uk
dc.identifier.citationПетренко, М. М. Методи і моделі машинного навчання для текстової аналітики : дипломна робота ... бакалавра : 124 Системний аналіз / Петренко Микола Миколайович. – Київ, 2023. – 105 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/60509
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectтекстова аналітикаuk
dc.subjectметоди машинного навчанняuk
dc.subjecttext analyticsuk
dc.subjectmachine learninguk
dc.titleМетоди і моделі машинного навчання для текстової аналітикиuk
dc.typeBachelor Thesisuk

Файли

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

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи