ДонНТУ   Портал магистров

Ссылки по теме выпускной работы

    Материалы магистров ДонНТУ

  1. Пранскевичус В. А. Разработка распределенного поискового робота

    Описание: Персональный сайт на портале магистров ДонНТУ, 2011 г.

    Руководитель: к.т.н., доцент Привалов М. В.

  2. Сарры Н. А. Методы и алгоритмы извлечения структурированных данных из текстов новостей

    Описание: Персональный сайт на портале магистров ДонНТУ, 2012 г.

    Руководитель: к.т.н., доц. Звенигородский А. С.

  3. Кушнарев А. В. Семантические модели природно-речевых методов в системах тестирования

    Описание: Персональный сайт на портале магистров ДонНТУ, 2012 г.

    Руководитель: к.т.н., доц. Звенигородский А. С.

  4. Арбузова О. В. Разработка и исследование алгоритмов для повышения эффективности интеллектуального анализа web-контента

    Описание: Персональный сайт на портале магистров ДонНТУ, 2013 г.

    Руководитель: к.т.н., доц. Вороной С. М.

  5. 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 В. Ю.

  6. 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 С. М.

  7. 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: к.т.н., доц. Егошина А. А.

  8. Леонов А. Д. Методы автоматизированной коррекции специализированных естественно-языковых текстов

    Описание: Персональный сайт на портале магистров ДонНТУ, 2014 г.

    Руководитель: к.т.н., доц. Бабаков Р. М.

  9. Моховых В. В. Анализ и разработка лингвистических алгоритмов выявления синтаксических групп в английском предложении

    Описание: Персональный сайт на портале магистров ДонНТУ, 2014 г.

    Руководитель: к.т.н., доц. Ермоленко Т. В.

  10. 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 А. В.

  11. 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 С. Н. (Консультант: Коломойцева И. А.)

  12. Лащенко К. С. Разработка программного обеспечения для распознавания печатного текста дореволюционной русской орфографии

    Описание: Персональный сайт на портале магистров ДонНТУ, 2017 г.

    Руководитель: доц. Кравец Т. Н.

  13. Сторожук Н. О. Исследование методов и алгоритмов определения жанра литературных произведений на основе технологии Text Mining

    Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

    Руководитель: к.ф-м.н., доц. Сквоцов А. Е. (Консультант: Коломойцева И. А.)

    14. Научные работы и статьи

  14. Анализ тональности текстов с использованием нейросетевых моделей

    Авторы: Нефедова Е. А., Мишенин А.Н.

    Описание: Основной идеей создания искусственных нейронных сетей стала аналогия с устройством нейронной сети в человеческом мозге, то есть вся работа осуществляется при помощи нейронов. В общем случае нейронная сеть представляет собой модель человеческого мозга, решающую поставленную задачу.

  15. Анализ тональности текстов на основе ДСМ-метода

    Авторы: Вычегжанин С. В., Котельников Е. В.

    Описание: Одним из логических методов анализа тональности текстов является ДСМ-метод автоматического порождения гипотез. Отмечается, что преимуществом ДСМ-метода по сравнению со статистическими методами является прозрачность и корректность процесса логического вывода, хорошая интерпретируемость генерируемых гипотез, отсутствие необходимости большого числа примеров для обучения.

  16. Возможности системного подхода при анализе лексического материала

    Авторы: Макеева М. Н.

    Описание: Выявлены некоторые возможности системного изучения лексики в языке, которые предполагают рассмотрение, с одной стороны, организации самого словарного инвентаря, с другой стороны, распределение словаря по группам и семантическим полям, по терминологическим и прочим лексическим микросистемам.

  17. Обзор некоторых статистических моделей естественных языков

    Авторы: Будников Е. А.

    Описание: В работе производится обзор и сравнение следующих моделей натурального языка: n-граммы, n-граммы на классах, дисконтная модель. В первой части работы будет проведён обзор основной литературы по данной тематике, во второй части будут введены основные понятия и описаны сами методы.

  18. Automated Classification of Text Sentiment

    Авторы: Emmanuel Dufourq, Bruce A. Bassett

    Описание: Предлагается два новых генетических алгоритма (ГА (генетические алгоритмы)) для автоматического анализа тональности текста. ГА узнают, являются ли слова, встречающиеся в текстовом корпусе, тонкими или усиливающими словами, и их соответствующую величину.

  19. Entity Based Sentiment Analysis Using Syntax Patterns and Convolutional Neural Network

    Авторы: Karpov I. A., Kozhevnikov M. V.,Kazorin V. I.,Nemov N. R.

    Описание: В этой статье предлагается альтернативный метод извлечения настроения на основе объекта в текстовых сообщениях, основанный на модифицированном методе, ранее предложенном Мингбо, в котором сначала анализируется синтаксис, а затем сопоставляем тональность с объектом анализа (также упоминается как сущность некоторыми, поэтому используется в этой статье как синонимы).

  20. Sentiment Analysis and Subjectivity

    Авторы: Bing Liu

    Описание: Текстовую информацию в мире можно условно разделить на два основных типа: факты и мнения. Факты - это объективные выражения о сущностях, событиях и их свойствах. Мнения обычно субъективные выражения, описывающие чувства, оценки или чувства людей по отношению к объектам, событиям и их свойства. Понятие мнения очень широкое.

  21. A Sentimental Education: Sentiment Analysis Using Subjectivity Summarization Based on Minimum Cuts

    Авторы: Bo Pang, Lillian Lee

    Описание: Чтобы определить полярность настроений, предлагается новый метод машинного обучения, который применяет методы категоризации текста только к субъективным частям документа. Извлечение этих частей может быть реализовано с использованием эффективных методов поиска минимальных разрезов в графах; это значительно облегчает включение контекстных ограничений между предложениями.

  22. Применение сентимент-анализа текстов для оценки общественного мнения

    Авторы: Посевкина Р. В., Бессмертный И. А.

    Описание: Предложен метод автоматической оценки общественного мнения с помощью сентимент-анализа отзывов и обсуждений опубликованных документов в сети Интернет, базирующийся на статистике использованных слов. Разработан исследовательский прототип программной системы, производящей сентимент-анализ естественно-языкового текста на русском языке на основе линейной шкалы.

  23. Системный анализ подходов к решению задачи идентификации тональности текста

    Авторы: Д.А. Горбушин, Д.В. Гринченков, В.А. Мохов, Нгуен Фук Хау

    Описание: Рассматривается задача идентификации тональности текста и область научных исследований на представленную тематику. Рассмотрены четыре подхода к созданию лингвистического процессора: лексический, вероятностный, аспектный и гибридный.

  24. Text Sentiment Classification with Commitees of Convolutional Deep Neural Network

    Авторы: Andrey Ignatov

    Описание: После вложения слов в векторное пространство слов очевидным способом их классификации является использование классической нейронной сети. Используется несколько хорошо известных стратегий в качестве основы. Их будет сравнивать с применением сверточных нейронных сетей.

  25. Sentiment Classification into Three Classes Applying Multinomial Bayes Algorithm, N-grams, and Thesaurus

    Авторы: Ksenia Lagutina, Vladislav Larionov, Vladislav Petryakov, Nadezhda Lagutina, Ilya Paramonov, Ivan Shchitov; P.G. Demidov Yaroslavl State University; Yaroslavl, Russia

    Описание: Статья посвящена разработке методики классификации текстов на английском и русском языках по настроениям на положительные, отрицательные и нейтральные. Предлагаемый метод основан на полиномиальном наивном байесовском классификаторе с дополнительным применением n-грамм.

  26. Text Segmentation as a Supervised Learning Task

    Авторы: Omri Koshorek Adir Cohen Noam Mor Michael Rotman Jonathan Berant

    Описание: Формулируется сегментация текста как проблема контролируемого обучения и представляется большой новый набор данных для сегментации текста, который автоматически извлекается и маркируется из Википедии. Более того, разрабатывается модель сегментации на основе этого набора данных и показывается, что она хорошо обобщается на невидимый естественный текст.

  27. Сентимент-анализ текста

    Авторы: Зверева П. П.

    Описание: Проводится сентимент-анализ фрагментов печатных статей одного из ведущих изданий США, извлечённых из корпуса методом текстологического анализа и по ключевым словам. Полученные в результате сентимент-анализа данные сравниваются с результатами анкетного опроса, проведённого среди группы респондентов.

    28. Техническая и справочная литература

  28. Теория текста

    Учебное пособие Теория текста – новая книга видного отечественного филолога профессора Н.С. Валгиной. В книге раскрываются структура и семантика текста, механизмы его образования и восприятия, определяются понятия смысла и значения, вида информации и типа речи, образа автора и образа стиля, информационная насыщенность и способ её повышения.

  29. Предобработка и выделение признаков. Классификация текстов. Анализ тональности

    Лекция по анализу текста Мурата Апишева. Содержание занятия: предобработка текстов; регулярные выражения; признаки, выделение коллокаций, задача классификации текстов; метрики качества; отбор моделей; блендинг и стекинг; библиотека Vowpal Wabbit, hashing trick; библиотека FastText

  30. Text Classification and Sentiment Analysis

    Лекция в области определения тональности (Фабрицио Себастьяни, Группа технологий человеческого языка, Институт информационных наук и технологий, Национальный исследовательский совет, 56124 Пиза, Италия).

  31. Sentiment Analysis

    Лекция в области определения тональности (Дэн Джурафски).

  32. Introduction to Sentiment Analysis

    Лекция в области определения тональности. Машинное обучение и моделирование для социальных сетей (Ллойд Сандерс, Оливия Вулли, Иза Мойз, Нино Антулова-Фантулин).

  33. Compositional Sentiment Analysis

    Лекция в области определения тональности (Стивен Пулман. Департамент компьютерных наук Оксфордского университета и компания TheySay Ltd. 3 июня 2014 г.).

  34. Sentiment Analysis in Russian

    Лекция в области определения тональности (Наталья Лукачевич. Будущие оценки).

  35. Принципы и методы семантических исследований

    Исследование языка не только в отношении его внутренних отношений и закономерностей, но и в отношении его живого функционирования в человеческой коммуникации потребовало от лингвистики объяснения значащей стороны всех языковых единиц, формирующих конкретные высказывания, наполненные определенным смыслом.

    36. Специализированные сайты и порталы

  36. CIT – форум

    Крупнейший архив научной и практической информации по всем направлениям компьютерных наук.

  37. Dialogue 2020

    Крупнейший архив научной информации из конференций.

  38. Хабр

    Хабр – крупнейший в Европе ресурс для IT-специалистов. Сюда приходят обсудить новости индустрии и поделиться опытом.

  39. Пикабу

    Пикабу – это уютное информационно-развлекательное сообщество, где любой желающий может опубликовать пост. Истории из жизни, свежие шутки и мемы, познавательные статьи, забавные фото и видео, интересные комментарии.

  40. Github.com

    Крупнейшая платформа для размещения разнообразных теоретических и практических материалов.

  41. NLPub

    NLPub – каталог ресурсов для обработки естественного языка.

  42. LexalTics

    Анализ настроений – это процесс определения того, является ли текст положительным, отрицательным или нейтральным. Узнайте, как работает базовый анализ сантиментов, о роли машинного обучения в анализе сантиментов и где можно бесплатно попробовать анализ сантиментов.

    43. Специализированная информация на сайтах

  43. Современные методы анализа тональности текста

    Анализ тональности текста (sentiment analysis) – распространенное приложение методов обработки естественного языка (natural language processing, NLP), в частности, классификации, целью которой является извлечение из текста эмоционального содержания.

  44. Классификация текстов и анализ тональности

    Классификация текстов и анализ тональности – Викиконспекты.

  45. Обзор систем анализа тональности текста на русском языке

    Обзор и разбор систем анализа тональности текста на русском языке.

  46. Построение собственного анализатора тональности

    Лекция по построению собственного анализатора тональности текста.

  47. Анализ документов

    Анализ является составной частью любого научного исследования, образуя, как правило, его первую стадию, когда исследователь выявляет в описании изучаемого объекта его строение, состав, свойства, признаки и т.п. Он используется как метод получения новых результатов в процессе мыслительной деятельности человека.

  48. Автоматизированная обработка текстов на естественном языке, с использованием инструментов языка Python

    В этой статье мы поговорим о методах классификации и кластеризации текстов на естественном (русском) языке, а так же рассмотрим примеры реализаций решений этих задач на языке Python с помощью библиотеки Scikit-learn.

    49. Сервисы с реализованным анализом текста

  49. Полный семантический анализ текста

    Количество символов, тошнота, водянистость, облако частотности слов, а также количество повторений. Узнайте о своем тексте всё!

  50. Sentiment Analysis

    Разметка словаря и текстов online. Начать разметку. ... Здесь Вы можете принять участие в разметке слов и текстов и помочь созданию общедоступного словаря для автоматической оценки тональности Интернет-контента.