Методи класифікації текстів природною мовою
Тип публікації :
Бакалаврська робота
Дата випуску :
2023
Автор(и) :
Нечаєва Вероніка Валентинівна
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Нечаєва, В. В. (2023). Методи класифікації текстів природною мовою. [Бакалаврська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/5004
[ДСТУ] Нечаєва В. В. Методи класифікації текстів природною мовою : кваліфікаційна робота бакалавра : 12 Інформаційні технології. Київ, 2023. 43 с. URL: https://ir.library.knu.ua/handle/123456789/5004 (дата звернення: 17.07.2026).
У ході дослідження проведено аналіз існуючих методів та моделей класифікації текстів, спрямованих на
розпізнавання фейкових новин, зокрема застосування правилових систем, статистичних методів та глибокого навчання. Систематизація їхніх особливостей, переваг та недоліків з метою виокремлення найкращих підходів та практик.
Проведений аналіз доступних корпусів даних, які містять фейкові та достовірні новини, та визначення найбільш прийнятних для навчання та оцінки моделей розпізнавання. Розгляд різноманітних джерел даних, враховуючи їх розмаїтість та репрезентативність.
Проведено дослідження лінгвістичних особливостей фейкових новин, виявлення їх характерних ознак, які можуть служити важливими ознаками для класифікації.
Проведена експериментальна перевірка різних моделей та алгоритмів машинного навчання для класифікації текстів. Розроблено рекомендації щодо підвищення ефективності моделей та їхнього застосування у реальних умовах. Визначено можливі шляхи удосконалення класифікації.
Ключові слова: послідовна нейронна мережа, рекурентна нейронна мережа, порівняння методів, машинне навчання, глибоке навчання, класифікація текстів натуральною мовою, інформаційні технології.
розпізнавання фейкових новин, зокрема застосування правилових систем, статистичних методів та глибокого навчання. Систематизація їхніх особливостей, переваг та недоліків з метою виокремлення найкращих підходів та практик.
Проведений аналіз доступних корпусів даних, які містять фейкові та достовірні новини, та визначення найбільш прийнятних для навчання та оцінки моделей розпізнавання. Розгляд різноманітних джерел даних, враховуючи їх розмаїтість та репрезентативність.
Проведено дослідження лінгвістичних особливостей фейкових новин, виявлення їх характерних ознак, які можуть служити важливими ознаками для класифікації.
Проведена експериментальна перевірка різних моделей та алгоритмів машинного навчання для класифікації текстів. Розроблено рекомендації щодо підвищення ефективності моделей та їхнього застосування у реальних умовах. Визначено можливі шляхи удосконалення класифікації.
Ключові слова: послідовна нейронна мережа, рекурентна нейронна мережа, порівняння методів, машинне навчання, глибоке навчання, класифікація текстів натуральною мовою, інформаційні технології.
Галузі знань та спеціальності :
12 Інформаційні технології
122 Комп’ютерні науки
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
666.22 KB
Контрольна сума :
(MD5):547a273c6d34fbed76ed15ed3a17a3d4
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International