| dc.contributor.author | Бондарчук, В. Ю. | uk |
| dc.contributor.author | Арсенюк, І. Р. | uk |
| dc.date.accessioned | 2020-03-30T16:29:50Z | |
| dc.date.available | 2020-03-30T16:29:50Z | |
| dc.date.issued | 2020 | |
| dc.identifier.citation | Бондарчук В. Ю. Обробка та аналіз природної мови методами машинного навчання [Електронний ресурс] / В. Ю. Бондарчук, І. Р. Арсенюк // Матеріали XLIX науково-технічної конференції підрозділів ВНТУ, Вінниця, 27-28 квітня 2020 р. – Електрон. текст. дані. – 2020. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2020/paper/view/9161. | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/29530 | |
| dc.description.abstract | Розглянуто основні проблеми обробки природної мови. Проаналізовано основні напрямки обробки, зокрема нейронні мережі з пам'яттю, керовані рекурентні, Tree-LSTM. | uk |
| dc.description.abstract | The main problems of the processing of natural materials are examined. The main strands of sample processing, neuronal measure of memory, memory recurrence, Tree-LSTM were analyzed. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали XLIX науково-технічної конференції підрозділів ВНТУ, Вінниця, 27-28 квітня 2020 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2020/paper/view/9161 | |
| dc.subject | обробка природної мови | uk |
| dc.subject | аналіз тексту | uk |
| dc.subject | обробка тексту | uk |
| dc.subject | аналіз тональності тексту | uk |
| dc.subject | класифікація | uk |
| dc.subject | нейронна мережа | uk |
| dc.subject | збір даних | uk |
| dc.subject | Natural Language Processing | en |
| dc.subject | text analysis | en |
| dc.subject | text processing | en |
| dc.subject | sentiment analysis | en |
| dc.subject | classification | en |
| dc.subject | neural network | en |
| dc.subject | data mining | en |
| dc.title | Обробка та аналіз природної мови методами машинного навчання | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 681.12 | |
| dc.relation.references | Барсегян А. А. Анализ данных и процессов: учеб. пособие / А. А. Барсегян, М. С. Куприянов, И. И. Холод, М. Д. Тесс, С. И. Елизаров. – 3-е изд., перераб. и доп. Санкт-Петербург: БХВ-Петербург, 2009. – 512с. | ru |
| dc.relation.references | Yang Y. A re-examination of text categorization methods / Y. Yang, X. Liu // Proc. of Int. ACM Conference on Research and Development in Information Retrieval (SIGIR-99), 1999. – P. 42 – 49. | en |
| dc.relation.references | Вагин В. Н. Достоверный и правдоподобный вывод в интеллектуальных системах / В. Н. Вагин, Е. Ю. Головина, А. А. Загорянская, М. В. Фомина. – Москва: Физматлит, 2004. – 704 с. | ru |
| dc.relation.references | Quinlan J. R. C4.5 Programs for machine learning. – Morgan Kaufmann, – San Mateo, Californie, 1993. | en |
| dc.relation.references | Айвазян С. А. Прикладная статистика: классификация и снижение размерности / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин. – Москва: Финансы и статистика, 1989. | ru |
| dc.relation.references | Joachims Т. Making large-scale SVM learning practical / T. Joachims // Advances in Kernel Methods Support Vector Learning. – MIT Press, 1999. – 218 p. | en |
