Методи машинного навчання для аналiзу тональностi контенту

Скорочена інформація про документ
dc.contributor.authorРябова, Олександра Дмитрівна
dc.date.accessioned2025-01-29T10:34:21Z
dc.date.available2025-01-29T10:34:21Z
dc.date.issued2021
dc.description.abstractГалузь обробки природної мови(Natural Language Processing) зазнала швидкого розвитку за останнє десятирiччя. В першу чергу, такий стрiмкий розвиток став можливим завдяки велетенським обсягам оцифрованих та промаркiрованих даних та потужним комп’ютерам з великою обчислювальною потужнiстю. Цi два фактори є суттєвими для застосування методiв машинного навчання зi вчителем, якi довели свою ефективнiсть у порiвняннi з методами машинного навчання без учителя у бiльшостi задач обробки природньої мови. Проте наявнiсть маркiрованих даних завжди була вагомим обмежувальним фактором для цих методiв. Отже, роздивимось таке питання - чи можна створити такi обставини, за яких завдання обробки природної мови можна буде вирiшувати так само ефективно, але з використанням меншої кiлькостi ресурсiв?
dc.description.abstractField of Natural Language Processing (NLP) has rapidly developed over last decade. In the first place, this increase happened because of the gigantic volume of annotated data and powerful resourceful machines with extraordinary computing power. These two factors are vital for supervised machine learning, which has proven to be far more effective in most of the NLP tasks than unsupervised approaches. However, labelled data has always been a challenge for supervised learning. Thus, a question arises - could specific circumstances occur, under which an NLP task will be solved about as well effective with less resources provided?
dc.identifier.citationРябова, О. Д. Методи машинного навчання для аналізу тональності контенту : дипломна робота бакалавра / О. Д. Рябова. – Одеса, 2021. – 28 с.
dc.identifier.urihttps://dspace.onu.edu.ua/handle/123456789/40525
dc.language.isouk
dc.publisherОдеський національний університет імені І. І. Мечникова
dc.subject113 прикладна математика
dc.subjectбакалавр
dc.subjectмашинне навчання
dc.subjectметоди
dc.subjectтональність контенту
dc.subjectmachine learning
dc.subjectmethods
dc.subjecttone of content
dc.titleМетоди машинного навчання для аналiзу тональностi контенту
dc.title.alternativeMachine Learning Methods For Sentiment Analysis
dc.typeDiplomas
Файли
Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
113_Ryabova Oleksandra Dmytrivna.pdf
Розмір:
484.76 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити
Зібрання
Бакалаври МФІТ