ПРИМЕНЕНИЕ МЕТОДА АНАЛИЗА ТЕКСТОВОЙ ИНФОРМАЦИИ ДЛЯ ЗАДАЧИ КЛАССИФИКАЦИИ НАУЧНЫХ СТАТЕЙ
https://doi.org/10.37493/2307-910X.2021.2.6
Аннотация
Рассматривается задача классификации научных статей.
Об авторах
Н. О. Уханов
Сибирский федеральный университет
Россия
Россия
К. Г. Ященков
Сибирский федеральный университет
Россия
Россия
К. С. Дымко
Сибирский федеральный университет
Россия
Россия
А. В. Хныкин
Сибирский федеральный университет
Россия
Россия
Список литературы
1. Справочник кодов УДК и ВАК. [Электронный ресурс]. Режим доступа: https://teacode.com/online/udc/(Дата обращения: 24.05.2021).
2. Осипова, Ю.А. Применение кластерного анализа методом К-средних для классификации текстов научной направленности. / Ю.А. Осипова , Д.Н. Лавров // Математические структуры и моделирование. - 2017. - № 3 (43). - С. 108-121.
3. Таскин, А.С. Линейная регрессия с кластеризацией по признаку на данных с действительными величинами / А.С. Таскин, Е.М. Миркес // Вестник Сибирского государственного аэрокосмического университета имени академика М. Ф. Решетнева. - 2012. - № 3 (43). - С. 71-76.
4. Жамалова, Г.Б. Информационное моделирование с применением искусственных нейронных сетей // Academic Research in Educational Sciences. - 2020. - № 1 (3). - С. 730742.
5. Козлова, Ю.А. Метод идентификации пользователей по рукописному кодовому слову / Ю.А. Козлова, К.А. Майков // Новые информационные технологии в автоматизированных системах. - 2019. - № 22. - С. 19-20.
6. Бабичев, С.А. Оптимизация процесса предобработки информации в системах кластеризации высокоразмерных данных // Радюелектрошка, шформатика, управлшня [Радиоэлектроника, информатика, управление]. - 2014. - № 2. - С. 135-142
7. Харламов, А.А. Нейросетевые подходы к классификации текстов на основе морфологического анализа / А.А. Харламов, Ле Мань Ха // Труды МФТИ. - 2017. - № 9 (2). - С. 143-150.
8. Язык программирования Python. [Электронный ресурс]. Режим доступа: https://www.python.org/(Дата обращения: 24.05.2021).
9. Программный модуль PyTorch. [Электронный ресурс]. Режим доступа: https://pytorch.org/(Дата обращения: 24.05.2021).
10. Программный модуль NumPy. [Электронный ресурс]. Режим доступа: https://numpy.org/(Дата обращения: 24.05.2021).
11. Программный модуль SciPy. [Электронный ресурс]. Режим доступа: https://www.scipy.org/(Дата обращения: 24.05.2021).
12. Github репозиторий программного модуля Natasha. [Электронный ресурс]. Режим доступа: https://github.com/natasha/natasha/(Дата обращения: 24.05.2021).
13. Программный модуль scikit-learn. [Электронный ресурс]. Режим доступа: https://sklearn.org/(Дата обращения: 24.05.2021).
Рецензия
Для цитирования:
Уханов Н.О., Ященков К.Г., Дымко К.С., Хныкин А.В. ПРИМЕНЕНИЕ МЕТОДА АНАЛИЗА ТЕКСТОВОЙ ИНФОРМАЦИИ ДЛЯ ЗАДАЧИ КЛАССИФИКАЦИИ НАУЧНЫХ СТАТЕЙ. Современная наука и инновации. 2021;(2):75-81. https://doi.org/10.37493/2307-910X.2021.2.6
For citation:
Ukhanov N.O., Yachshenkov K.G., Dymko K.S., Khnykin A.V. APPLICATION OF THE TEXTUAL INFORMATION ANALYSIS METHOD FOR THE PROBLEM OF CLASSIFICATION OF SCIENTIFIC ARTICLE. Modern Science and Innovations. 2021;(2):75-81. https://doi.org/10.37493/2307-910X.2021.2.6
Просмотров:
52
Послать статью по эл. почте 