Показати скорочену інформацію

Удосконалення великих мовних моделей формальними засобами оцінки сенсу текстової інформації

dc.contributor.authorОмельченко, В. А.uk
dc.contributor.authorБісікало, О. В.uk
dc.contributor.authorOmelchenko, V. A.en
dc.contributor.authorBisikalo, O. V.en
dc.date.accessioned2026-09-17T10:04:35Z
dc.date.available2026-09-17T10:04:35Z
dc.date.issued2026
dc.identifier.citationОмельченко В. А., Бісікало О. В. Удосконалення великих мовних моделей формальними засобами оцінки сенсу текстової інформації // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28204.uk
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/54448
dc.description.abstractУ роботі розглянуто підходи до використання сенсу та наміру у сучасних великих мовних моделях.uk
dc.description.abstractThe work examines approaches to the use of meaning and intent in modern large language models. It is demonstrated that most existing architectures are based on statistical mechanisms of text processing, which complicates the explicit interpretation of meaning. An experimental framework is proposed that integrates a formalized meaning-processing algorithm as a separate structural component.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28204
dc.subjectвеликі мовні моделіuk
dc.subjectсенсuk
dc.subjectнамірuk
dc.subjectNLPen
dc.subjectсемантикаuk
dc.subjectlarge language modelsen
dc.subjectmeaningen
dc.subjectintenten
dc.subjectsemanticsen
dc.titleУдосконалення великих мовних моделей формальними засобами оцінки сенсу текстової інформаціїuk
dc.typeThesis
dc.identifier.udc004.85
dc.relation.referencesFomichov, V. A. Semantics-Oriented Natural Language Processing: Mathematical Models and Algorithms. — New York : Springer, 2010. — 245 p.en
dc.relation.referencesAbramsky, S., Sadrzadeh, M. Semantic Unification: A Sheaf-Theoretic Approach to Natural Language [Electronic resource] // arXiv preprint arXiv:1403.3351. — 2014. — Available at: https://arxiv.org/abs/1403.3351.en
dc.relation.referencesZhou, W., Yajun, Z. A Mathematical Model for Universal Semantics [Electronic resource] // arXiv preprint arXiv:1907.12293. — 2019. — Available at: https://arxiv.org/abs/1907.12293.en
dc.relation.referencesGoodfellow, I., Bengio, Y., Courville, A. Deep Learning. — Cambridge : MIT Press, 2016. — 775 p.en
dc.relation.referencesVaswani, A., Shazeer, N., Parmar, N., et al. Attention Is All You Need // Advances in Neural Information Processing Systems. — 2017. — P. 5998–6008.en
dc.relation.referencesRumelhart, D. E., Hinton, G. E., Williams, R. J. Learning representations by back-propagating errors // Nature. — 1986. — Vol. 323. — P. 533–536.en
dc.relation.referencesNocedal, J., Wright, S. Numerical Optimization. — New York : Springer, 2006. — 664 p.en
dc.relation.referencesБісікало О. В. Формальні методи образного аналізу та синтезу природно-мовних конструкцій : монографія. — Вінниця : ВНТУ, 2013. — 240 с.uk
dc.relation.referencesManziuk, E. A., Barmak, O. V., Krak, Iu. V., Pasichnyk, O. A., Radiuk, P. M., Mazurets, O. V. Semantic alignment of ontologies meaningful categories with the generalization of descriptive structures // Problems in Programming. — 2022. — № 3–4. — P. 355– 363.en
dc.relation.referencesSukaton, O. Semantics in Natural Language Processing and Language Teaching // ELS Journal on Interdisciplinary Studies in Humanities. — 2019. — Vol. 2, No. 1. — P. 58–65.en


Файли в цьому документі

Thumbnail
Ім'я:
28204.pdf
Розмір:
222.2Kb
Формат:
PDF
Відкрити

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію