Ссылки - Титаренко Михаил Геннадиевич - Исследование методов классификации информации о внешнеторговой деятельности государств в рамках информационно-поисковой системы

Материалы магистров ДонНТУ

1. Серёженко О.А., Проектирование и реализация интеллектуальной мета-поисковой системы нахождения цитат
Описание: Персональный сайт на портале магистров ДонНТУ, 2017 г.

Руководитель: д.ф-м.н, проф. Судаков Сергей Никитович

Консультант: ст. пр. Коломойцева Ирина Александровна
2. Охрименко К.C., Модели и алгоритмическое обеспечение для построения семантических сетей текстов на естественном языке
Описание: Персональный сайт на портале магистров ДонНТУ, 2012 г.

Руководитель: к.т.н., доц. Вороной Сергей Михайлович
3. Трегубова Ю.А., Исследование метода тематически ориентированной классификации результатов поиска в Интернет
Описание: Персональный сайт на портале магистров ДонНТУ, 2014 г.

Руководитель: к.т.н., доц. Вороной Сергей Михайлович
4. Линкин В.О., Исследование алгоритмического обеспечения интеллектуальной системы классификации политематических гипертекстовых документов
Описание: Персональный сайт на портале магистров ДонНТУ, 2013 г.

Руководитель: д.т.н., доц. Егошина Анна Анатольевна
5. Прокапович А.А., Разработка алгоритмического обеспечения интеллектуального модуля анализа эмоционального содержания естественно языковых сообщений блогов и форумов
Описание: Персональный сайт на портале магистров ДонНТУ, 2014 г.

Руководитель: д.т.н., доц. Егошина Анна Анатольевна
6. Заплетин Е.А., Исследование алгоритмов выявления взаимосвязей в больших массивах данных с помощью технологий Big Data
Описание: Персональный сайт на портале магистров ДонНТУ, 2015 г.

Руководитель: к.т.н., доц. Григорьев Александр Владимирович
7. Кисниченко Е.А., Разработка и исследование алгоритма формирования семантического ядра веб-сайта на основе методов Data Mining
Описание: Персональный сайт на портале магистров ДонНТУ, 2014 г.

Руководитель: д.ф.-м.н., проф. Шелепов Владислав Юрьевич

Научные работы и статьи

8. Методы автоматической классификации текстов
Авторы: Батура Т.В.

Описание: В данной статье описываются наиболее распространенные алгоритмы построения классификаторов, проводимые с ними эксперименты и результаты этих экспериментов.
9. An improved K-nearest-neighbor algorithm for text categorization
Авторы: Shengyi Jiang, Guansong Pang, Meiling Wu, Limin Kuang

Описание: В работе предлагается улучшение алгоритма kNN и их сравнение друг с другом при работе по универсальной классификации.
10. Classification of e-customer sessions based on support vector machine
Авторы: Grazyna Suchacka, Magdalena Skolimowska-Kulig

Описание: В статье описывается подход для прогнозирования необходимости покупателя на основании его сессии, основанный на алгоритме SVM.
11. Application of SVM in Financial Research
Авторы: Bingyu Cao, Deping Zhan

Описание: В исследовании проанализировано приложение, основанное на SVM для классификации текстов финансового характера.
12. Support-Vector Networks
Авторы: Corrina Cortes, Vladimir Vapnik

Описание: В работе исследован новый подход к двугруппной классификации.
13. An ensemble heterogeneous classification methodology for discovering health-related knowledge in social media messages
Авторы: Suppawong Tuarob, Conrad S. Tucker, Marcel Salathe, Nilam Ram

Описание: В статье описывается подход к классификации сообщений людей в соцсетях для определения уровня здоровья с помощью гетерогенных ансамблей.
14. Improving Classification Performance through an Advanced Ensemble Based Heterogeneous Extreme Learning Machines
Авторы: Adnan O.M. Abuassba, Dezheng Zhang, Xiong Luo, Ahmad Shaheryar, Hazrat Ali

Описание: В исследовании представлен один из методов улучшения классификации, основанный на использовании продвинутых гетерогенных ансамблей.
15. Two-level hierarchical combination method for text classification
Авторы: Wen Li, Duoqian Miao, Weili Wang

Описание: В статье представлен подход по улучшению алгоритма SVN с помощью метода двухуровневой иерархической комбинации.
16. Benchmarking state-of-the-art classification algorithms for credit scoring: An update of research
Авторы: Stefan Lessmann, Bart Baesensbc, Hsin-Vonn Seowd, Lyn C. Thomasc

Описание: Работа является обновленным мета-анализом и бенчмарком алгоритмов классификации для кредитной оценки.
17. A Survey of Text Classification Algorithms
Авторы: Charu C. Aggarwal, Cheng Xiang Zhai

Описание: В работе проведено исследование широкого спектра алгоритмов классификации текста.
18. Effective Approaches of Classification Algorithms for Text Mining Applications
Авторы: U.Latha, T.Velmurugan

Описание: В статье описаны эффективные подходы классификаторов для Text Mining.
19. Применение генетических алгоритмов в гибридных методах классификации
Авторы: Козеев О.Е.

Описание: В статье исследуются гибридные методы классификации с генетическими алгоритмами, такие как деревья решений, нейронные сети, байесовский классифкатор и kNN.

Сайты и статьи по теме

20. Отбор признаков для машинного обучения на Python
Описание: В статье описывается механизм отбора признаков для машинного обучение, которое можно использовать и для классификации текстов
21. Classifier comparison
Описание: В статье производится сравнение классификаторов, представленных в библиотеке scikit-learn.
22. Classifying Reuters-21578 collection with Python: Representing the data
Описание: В статье описывается процесс создания классификатора на основе популярного набора данных от Reuters.
23. Введение в машинное обучение с помощью Python и Scikit-Learn
Описание: В статье приведены этапы создания классификатора на основе машинного обучения, а также представлен обзор популярных алгоритмов классификации.
24. Автостопом по машинному обучению на Python
Описание: В статье приведено введение в машинное обучение для решения задачи классификации, а также обзор реализации некоторых алгоритмов классификации.
25. Метод опорных векторов (SVM)
Описание: В статье выполнен обзор алгоритма SVM, проанализированы его недостатки и достоинства, определены возможные сферы применения.
26. Алгоритм C4.5
Описание: В статье выполнен обзор алгоритма C4.5, проанализированы его недостатки и достоинства, определены возможные сферы применения.
27. Метод k-средних
Описание: В статье выполнен обзор метода k-средних, проанализированы его недостатки и достоинства, определены возможные сферы применения.
28. Алгоритм Apriori
Описание: В статье выполнен обзор алгоритма Apriori, проанализированы его недостатки и достоинства, определены возможные сферы применения. Приведен пример реализации алгоритма.
29. EM-алгоритм
Описание: В статье выполнен обзор EM-алгоритма, проанализированы его недостатки и достоинства, определены возможные сферы применения. Приведен пример реализации алгоритма.
30. Алгоритм AdaBoost
Описание: В статье выполнен обзор алгоритм усиления классификаторов AdaBoost, проанализированы его недостатки и достоинства, определены возможные сферы применения. Приведен пример реализации алгоритма.
31. Алгоритм CART
Описание: В статье выполнен обзор одного из самых популярных алгоритмов Data Mining - CART. Проанализированы его недостатки и достоинства, определены возможные сферы применения. Приведен пример реализации алгоритма.
32. Алгоритм k-ближайших соседей
Описание: В статье выполнен обзор алгоритма k-ближайших соседей, проанализированы его недостатки и достоинства, определены возможные сферы применения.
33. Наивный баейсовский классификатор
Описание: В статье выполнен обзор наивного баейсовского классификатора, проанализированы его недостатки и достоинства, определены возможные сферы применения.
34. Методы отбора фич
Описание: В статье приведены основные методы отбора фич, а также методы оценки эффективности их отбора.
35. Точный критерий Фишера
Описание: В статье описывается история возникновения и обоснование критерия Фишера.
36. Оценка точности классификатора
Описание: В статье описаны основные критерии оцеки точности классификатора.
37. Открытый курс машинного обучения. Тема 3. Классификация, деревья решений и метод ближайших соседей
Описание: В статье подробно рассмотрены подходы к классификации и несколько алгоритмов классификации, а также приведена их имплементация.
38. Методы классификации и прогнозирования. Деревья решений
Описание: В лекции описывается метод деревьев решений, рассматриваются элементы дерева решения, процесс его построения. Приведены примеры деревьев, решающих задачу классификации, а также даны алгоритмы конструирования деревьев решений CART и C4.5.
39. Оценка классификатора (точность, полнота, F-мера)
Описание: В статье описано назначение и формулы вычисления основных оценочных параметров классификации.
40. Наивный байесовский классификатор
Описание: В заметке описывается теория и практическое применение наивного байесовского классификатора.
41. Топ-10 data mining-алгоритмов простым языком
Описание: В статье кратко и концентрировано описаны основные Data Mining алгоритмы и их назначение.

Научные журналы

42. Международный научно-практический журнал Программные продукты и системы
Описание: Издание рассчитано на пользователей, программистов, разработчиков во всех областях жизнедеятельности. Предоставляет открытый доступ к научным публикациям.
43. Expert Systems with Applications
Описание: Издание обладает очень большим количеством научных статей связанных с экспертными системами и разрабатываемыми приложениями. Полезен для работников научной IT сферы. Публикации не имеют открытого доступа.

Специализированные сайты и порталы

44. Data Science
Описание: Портал содержит множество полезных статей по Data Science.
45. UCI Machine Learning Repository
Описание: Репозиторий с наборами данных для машинного обучения. Очень полезен для тестирования качества классификации.
46. Хабр
Описание: Портал с огромным количеством пользовательских статей, связанных с IT сферой.
47. SCI-HUB
Описание: Очень полезный сайт для получения доступа к научным публикациям с закрытым доступом.
48. CYBERLENINKA
Описание: Научная электронная библиотека, предоставляющая открытый доступ к множеству научных публикаций.
49. НОУ ИНТУИТ
Описание: Организация, которая предоставляет возможность дистанционного образования с помощью своих материалов, которые выложены на их сайте.
50. Towards Data Science
Описание: Ресурс предоставляет множество статей, концепций, идей и кодов по направлению Data Science

Ссылки по теме выпускной работы