|
ИСТИНА |
Войти в систему Регистрация |
Интеллектуальная Система Тематического Исследования НАукометрических данных |
||
Применение рекуррентных нейронных сетей для задачи анализа текстовкурсовая работа (Специалист)
- Научный руководитель: Шокуров А.В.
- Автор: Бешева И.К.,
- Тип: Специалист
- Организация, в которой проходила защита: МГУ имени М.В. Ломоносова
- Кафедра: Кафедра теоретической информатики
- Год защиты: 2018
- Курс: 5
- Аннотация: В рамках курсовой работы Инна занималась изучением различных типов рекуррентных нейронных сетей, а затем исследовала возможности их применения к задачам анализа текстов. Последнее, учитывая бурный рост текстовой информации, определяет актуальность данной работы. Так, результаты данной работы могут найти применения в системах автоматизированного извлечения информации из текстовых данных. Преимущество рекуррентных нейронных сетей состоит в том, что в отличие от стандартных алгоритмов машинного обучения, использующих признаковое пространство фиксированной размерности, рекуррентные нейронные сети могут обрабатывать последовательности произвольной длины и иметь произвольное количество выходов. Это позволяет получить лучшие результаты на классических типах задач таких как классификация текстов, но и решать специфические задачи такие как разметка слов в тексте. В начале курсовой работы описан метод перевода текстовых данных в дискретный числовой формат. Затем были указаны различные способы получения векторного представления слов, один из которых был изучен в рамках курсовой работы в прошлом году. После чего изучив идейные предпосылки и техническое строение различных типов рекуррентных слоев, была разработана схема архитектуры нейронной сети для двух типов задач: классификации текстов и поиска шаблонов в тексте. Используя библиотеку keras, в которой реализованы основные типы рекуррентных слоев, Инна провела исследование различных вариаций построения нейронной сети. Были проведены эксперименты с изменением размерности выходных векторов рекуррентных блоков, с увеличением глубины нейронной сети, специфическими комбинациями рекуррентных слоев и оценено качество прогноза при помощи f1-меры на наборе данных для бинарной классификации текстов с открытого ресурса kaggle. Результаты были проанализированы, а полученные выводы применимы к различным задачам анализа текстов. Курсовая работа Инны выполнена на качественном уровне и заслуживает отличной отметки. Её дальнейшая работа может быть посвящена построению системы интеллектуального анализа текста.
- Добавил в систему: Бешева Инна Кахавна
Прикрепленные файлы
| № | Имя | Описание | Имя файла | Размер | Добавлен |
|---|---|---|---|---|---|
| 1. | coursework2018.pdf | coursework2018.pdf | 1,7 МБ | 8 июля 2018 [innabesheva] |