Метод покращення результатів великих мовних моделей у складних задачах zero-shot класифікації шляхом декомпозиції запитань на простіші підзапитання

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorШатілов, Даніїл Олексійович
dc.date.accessioned2025-09-24T09:16:32Z
dc.date.available2025-09-24T09:16:32Z
dc.date.issued2025
dc.description.abstractДипломна робота містить 130 с., 9 табл., 40 рис., 2 дод., 37 джерел Мета дослідження – провести експериментальний аналіз запропонованого методу використовуючи запропоновані мета– класифікатори та великі мовні моделі на запропонованих складних задачах класифікації, таких як задача класифікації згенерованого штучним інтелектом тексту, задача класифікації логічної узгодженості двох речень, Задача класифікації схожості значення слова у двох різних реченнях. Об’єкт дослідження – процес покращення результатів великих мовних моделей у складних задачах zero-shot класифікації шляхом декомпозиції запитань на простіші підзапитання. Предмет дослідження – методи машинного навчання та великі мовні моделі для проведення zero-shot класифікації текстів Використані методи – власний запропонований метод покращення результатів великих мовних моделей у складних задачах zero-shot класифікації шляхом декомпозиції запитань на простіші підзапитання, методи машинного навчання, інтелектуального аналізу даних, методи обробки природної мови Отримані результати – у результаті проведених експериментів було підтверджено, що запропонований метод покращення zero-shot класифікації є ефективним для вирішення складних задач класифікації текстів. Було показано, що розбиття основного запитання на серію простіших підзапитань дозволяє великим мовним моделям краще зрозуміти суть задачі, що, у свою чергу, підвищує якість прийняття рішення.
dc.description.abstractotherThesis: 130 p., 9 tabl., 40 fig., 2 append., 37 references. Research Objective – to conduct an experimental analysis of the proposed method using the suggested meta–classifiers and large language models on selected complex classification tasks, such as classifying AI–generated text, assessing the logical consistency of two sentences, and evaluating the semantic similarity of a word in two different sentences. Object of the Study – the process of improving the performance of large language models on complex zero-shot classification tasks by decomposing questions into simpler sub–questions. Subject of the Study – machine learning methods and large language models for conducting zero-shot text classification. Methods Used – the author's proposed method for improving the performance of large language models in complex zero-shot classification tasks by decomposing questions into simpler sub–questions; machine learning methods, data mining techniques, and natural language processing methods. Results Obtained – as a result of the experiments conducted, it was confirmed that the proposed method for improving zero-shot classification is effective for solving complex text classification tasks. It was demonstrated that breaking down the main question into a series of simpler sub–questions enables large language models to better understand the essence of the task, which in turn improves decision–making quality
dc.format.extent130 с.
dc.identifier.citationШатілов, Д. О. Метод покращення результатів великих мовних моделей у складних задачах zero-shot класифікації шляхом декомпозиції запитань на простіші підзапитання : дипломна робота … бакалавра : 124 Системний аналіз / Шатілов Даніїл Олексійович. – Київ, 2025. – 130 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76298
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectzero-shot
dc.subjectмовні моделі
dc.subjectпокращення класифікації текстів
dc.subjectобробка природньої мови
dc.subjectскладні задачі класифікації
dc.subjectzero-shot
dc.subjectlanguage models
dc.subjecttext classification improvement
dc.subjectnatural language processing
dc.subjectcomplex classification tasks
dc.titleМетод покращення результатів великих мовних моделей у складних задачах zero-shot класифікації шляхом декомпозиції запитань на простіші підзапитання
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Shatilov_bakalavr.pdf
Розмір:
6.85 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