ДонНТУ   Портал магистров

Библиотека материалов по теме выпускной работы

    Собственные публикации и доклады

  1. История возникновение спама и способы противодействия его распространению

    Авторы: Е.И. Лютова, И.А. Коломойцева
    Источник: Донецкий национальный технический университет: Сборник материалов III Международной научно-практической конференции (студенческая секция) – г. Донецк: ДонНТУ, 2020. – с.176–182, [Ссылка]

    Аннотация: В данной статье рассмотрена история возникновения спама и его эволюция в сети Интернет. Перечислены и описаны виды спама. Представлены возможные способы по борьбе с ним.

  2. Анализ алгоритмов фильтрации спама

    Авторы: Е.И. Лютова,И.А. Коломойцева
    Источник: Международная научно-техническая конференция Информатика, управляющие системы, математическое и компьютерное моделирование 2020 с.116–120 [Ссылка на сборник]

    Описание: В данной статье приведен анализ алгоритмов обнаружения спама. Приведены математические модели алгоритмов, а также дана их классификация. Выделены перспективные направления исследования точной идентификации спама.

    3. Тематические статьи

  3. Об эффективности использования байесовского классификатора в задаче идентификации языка текста по биграммам

    Авторы: Д. А. Бронников
    Источник: Омский государственный университет путей сообщения:Динамика систем, механизмов и машин, № 1, 2016. Том 4 – г. Омск: 2016 год. – с.5–7 [Ссылка]

    Описание: В статье рассматривается эффективность классификации языковой принадлежности текстов на иностранных языках с помощью алгоритма классификации Байеса. Целью данного исследования является анализ эффективности использования Байесовского классификатора для идентификации языка текста.

  4. Классификатор Байеса для переменного количества признаков

    Авторы: Г.И. Турканов,Е.В. Щепин
    Источник: ЖУРНАЛ Труды Московского физико-технического института,г. Москва, 2016 год [Ссылка]

    Описание: Рассматривается подход ранжирования при помощи наивного байесовского классификатора для переменного количества признаков с применением теории фракталов, которая позволяет получить дополнительную информацию в классификаторхарактеристику самоподобия. Для этого будет модифицирован наивный Байесовский классификатор и определен показатель Херста данных, который связан с традиционной фрактальной размерностью.

  5. Подход к автоматической классификации коротких текстовых сообщений на основе модифицированного метода Байеса

    Авторы: А.А. Овсянников,И.Н. Грызлов, Е.Ю. Голубинский, А.А. Смирнов, С.А. Власова
    Источник: Научные ведомости БелГУ. Сер. История. Политология. Экономика. Информатика. – 2014. – №8(179), вып.30/1.–С. 159–165. [Ссылка]

    Описание: В статье предлагается подход к автоматической классификации коротких текстовых сообщений, позволяющий обеспечить достаточное качество классификации и высокую скорость при использовании сложных рубрикаторов.

  6. Методы классификации текстовых данных по темам

    Авторы: А.И. Стрелец,В.С. Иванников, А.А. Орлов, А.В. Атавина
    Источник: Журнал: Международный журнал гуманитарных и естественных наук,2019 год [Ссылка]

    Описание: Данная статья описывает методы классификации текстовых данных по темам. Проблема классификации текста является актуальной и важным направлением в области обработки информации и машинного обучения.

  7. Программная реализация методов классификации

    Авторы: И.Н. Егорова,С.В. Егоров
    Источник: Восточно-Европейский журнал передовых технологий,2020 год [Ссылка]

    Описание: Данная статья представляет собой обзор методов классификации текстов, целями которого являются сравнение современных методов решения задачи классификации текстов, обнаружение тенденций развития данного направления, а также выбор наилучших алгоритмов для применения в исследовательских и коммерческих задачах.

  8. Методы автоматической классификации текстов

    Авторы: Т.В. Батура
    Источник: Журнал Программные продукты и системы, 2017 год [Ссылка]

    Описание: Проведено исследование метода деревьев решений, реализованного в виде алгоритма ID3, и метода k - ближайших соседей, реализованного в виде алгоритмов KNN и Fuzzy KNN. Осуществлена программная реализация алгоритмов классификации.

  9. An Analysis of Bayesian Classiers

    Autors: Pat Langley,Wayne Iba,Kevin Thompson
    Source: NASA Ames Research Center, January 15, 1992 [Ссылка]

    Abstract: В этой статье представлен анализ среднестатистического случая байесовского классификатора, a также описан простой вероятностный алгоритм индукции, который применяется в различных задачах обучения.

    10. Переводы статей

  10. Overview of spam filtering algorithms [перевод с русского на английский]

    Авторы: Lyutova E.I., Kolomoytseva I.A., Gilmanova R.R

    Автор перевода: Лютова Е. И.
    Источник: ИССЛЕДОВАНИЯ И ДОСТИЖЕНИЯ МОЛОДЫХ УЧЕНЫХ В ОБЛАСТИ НАУКИ, Сборник докладов научно-технической конференции для молодых учёных, 2020 год, с.81–86 [Ссылка на сборник в РИНЦ ]

    Описание: В этой статье представлен обзор и анализ алгоритмов обнаружения спама. Приведены математическая модель алгоритмов и их классификация. Выделены перспективные направления исследований точной идентификации спама.

  11. Спам-фильтр на основе наивного байесовского классификатора

    Авторы: Teng Lv, Ping Yan, Hongwu Yuan, Weimin He

    Автор перевода: Лютова Е. И.
    Источник: Journal of Physics: Conference Series, ISAI 2020 [Ссылка]

    Описание: В этой статье проанализированы основные технологии выявления и блокировки спама, такие как технология фильтрации информации или контента, технология черного и белого списков, технология анализа намерений и поведения.