Библиотека материалов по теме выпускной работы
-
Разработка архитектуры интеллектуального почтового ассистента для консультирования студентов по дисциплине
Авторы: Н.М. Зозуля, О.И. Федяев.
Описание: в работе рассмотрена разработка интеллектуального почтового ассистента для поддержки студентов в образовательном процессе. Определена формальная модель функции, анализирующей текстовые запросы и генерирующей адекватные ответы. Рассмотрены модули предобработки почты, NLP-анализа, сопоставления с графом знаний, генерации текста нейросетевыми моделями (RNN/LSTM/GRU) и формирования отчётов. Представлены примеры работы системы, фрагменты графа знаний и формализация критерия адекватности с интегральной оценкой качества ответов.
-
Экспериментальная оценка качества генерации ответов интеллектуального почтового ассистента на основе критерия адекватности
Авторы: Н.М. Зозуля, О.И. Федяев.
Описание: в работе проведено экспериментальное исследование интеллектуального почтового ассистента, предназначенного для поддержки студентов при обучении дисциплине «Нейросетевые и нечёткие системы». Рассмотрена архитектура системы, включающая модули предобработки текста, NLP-анализа, сопоставления с графом знаний и генерации ответов с использованием рекуррентных нейросетей (RNN/LSTM/GRU). Представлена формализация интегрального критерия адекватности K, учитывающего семантическую близость, когерентность текста и релевантность ключевым понятиям дисциплины. Приведены результаты эксперимента с анализом адекватности ответов на теоретические, уточняющие и прикладные вопросы студентов, визуализации фрагментов графа знаний и интерпретация полученных значений критерия K для оценки качества генерации ответов.
-
Экономическое обоснование разработки интеллектуального преподавательского ассистента на основе графа знаний
Авторы: Н.М. Зозуля, А.В. Боднар.
Описание: в статье представлено экономическое обоснование разработки интеллектуального преподавательского ассистента, основанного на графе знаний. Рассматриваются ключевые риски проекта на ранних этапах, анализируются варианты масштабирования продукта и оценивается его жизненный цикл по методике Фатрелла. Проведён расчёт трудоёмкости, стоимости разработки и эксплуатационных затрат, сформирована структура бизнес-плана и определена потенциальная рентабельность решения. Особое внимание уделено выбору модели жизненного цикла, планированию этапов проекта, распределению ресурсов и оценке конкурентоспособности интеллектуального ассистента на современном рынке EdTech.
-
Development of an intelligent teaching assistant on the knowledge graph
Авторы: Н.М. Зозуля, О.И. Куксина.
Описание: в статье рассматривается разработка интеллектуального преподавательского ассистента на основе графа знаний. Представлены ключевые этапы проекта, включая создание и структуру графа знаний, обработку вопросов студентов с помощью методов обработки естественного языка (NLP) и алгоритмов обхода графа. Описаны основные компоненты ассистента: узлы (термины и концепции) и связи между ними (иерархические, зависимые, включающие, сложностные отношения). Приведен пример графа знаний для курса по информатике с алгоритмами, структурами данных и оценкой сложности алгоритмов. Показан процесс взаимодействия студента с ассистентом и использование NLP для распознавания намерений и извлечения сущностей. Проанализированы возможности масштабирования проекта, его жизненный цикл, трудоёмкость, затраты и рентабельность. Обсуждаются перспективы дальнейшего развития, включая расширение графа знаний, интеграцию машинного обучения для персонализации обучения и улучшение качества ответов ассистента.
-
Рекуррентные нейронные сети как средство моделирования естественного языка
Авторы: Н.М. Зозуля, О.И. Федяев.
Описание: в статье исследуются методы моделирования естественного языка на основе рекуррентных нейронных сетей. Рассматриваются архитектуры RNN, LSTM и GRU, их роль в обработке последовательностей и решении задач NLP, включая машинный перевод, анализ тональности и генерацию текста. Анализируются современные системы, такие как Google Translate, Microsoft Translator, IBM Watson NLU и TextRazor, с точки зрения их возможностей и ограничений. Особое внимание уделяется проблемам длинных зависимостей, вычислительным затратам и путям повышения эффективности моделей. Определены перспективы развития RNN и направления дальнейших исследований в области обработки естественного языка.
Собственные публикации и доклады
-
Корректировка рабочих программ дисциплин путём смыслового анализа требований предприятий методами машинного обучения
Авторы: О.И. Федяев, Н.В. Мелещенко.
Описание: в статье рассматривается автоматизация корректировки рабочих программ дисциплин на основе текстовых требований предприятий. Предложена модель программного агента, который с помощью методов NLP и машинного обучения сопоставляет требования работодателей с учебными программами и извлекает недостающие знания. Используется векторное представление документов (Doc2Vec), синтаксический анализ и построение графов знаний для выявления новых компетенций, которые следует добавить в дисциплины. Приведены результаты модельных экспериментов.
-
Определение семантической эквивалентности текстов требований предприятий и рабочих программ дисциплин
Авторы: Н.В. Мелещенко, О.И. Федяев.
Описание: в статье предложен подход к автоматизированному анализу и актуализации рабочих программ дисциплин на основе текстовых требований предприятий. Разработана модель программного агента, которая с помощью методов NLP и машинного обучения оценивает соответствие учебных программ потребностям работодателей, выявляет недостающие компетенции и формирует рекомендации для обновления содержания дисциплин. Используются модели векторного представления документов (Doc2Vec), синтаксический анализ и построение графов знаний. Приведены результаты экспериментов, демонстрирующие эффективность подхода.
-
Извлечение знаний из требований предприятий в мультиагентной системе моделирования процесса подготовки студентов
Авторы: Н.В. Мелещенко, О.И. Федяев.
Описание: в статье рассматривается разработка программной модели агента, способного автоматически дополнять учебные программы дисциплин новыми знаниями на основе требований предприятий по трудоустройству студентов. Описаны ключевые этапы: сопоставление требований и дисциплин с помощью векторного представления текста Doc2Vec, извлечение знаний из текста требований через синтаксический анализ и формирование графа знаний, а также выделение недостающих знаний для дополнения учебной программы. Проведены экспериментальные исследования модели и показана её эффективность в адаптации учебного процесса к потребностям рынка труда.
-
Анализ подходов к решению проблемы понимания и обработки естественного языка методами машинного обучения
Авторы: Л.В. Рудак, О.И. Федяев.
Описание: в работе проведён анализ современных подходов к решению задачи понимания и обработки естественного языка (NLP) методами машинного обучения. Рассмотрены библиотеки Fairseq, Spacy и DeepPavlov, их функциональные возможности, архитектура и используемые модели: свёрточные нейронные сети (CNN), рекуррентные сети с долгой краткосрочной памятью (LSTM), трансформеры. Приведена классификация компонентов и навыков в NLP-системах, механизмы токенизации, разметки частей речи, синтаксического анализа, лемматизации и распознавания именованных сущностей. Показаны особенности построения диалоговых систем, виртуальных ассистентов и чат-ботов на основе DeepPavlov, включая управление состоянием диалога и интеграцию навыков. Сделан обзор практического применения машинного обучения для перевода текстов, генерации осмысленных ответов и расширенной обработки текстовой информации.
Доклады и публикации научного руководителя
-
Принцип работы рекуррентной нейронной сети LSTM и применение этой сети при прогнозировании временных рядов
Авторы: Ф.М. Нигамадянов, Н.К. Арутюнова.
Описание: в статье рассмотрен принцип работы рекуррентной нейронной сети LSTM и её применение для анализа и прогнозирования временных рядов. Подробно изучены компоненты LSTM: ячейка памяти и ворота (Forget, Input, Output), их роль в сохранении долгосрочной информации и предотвращении исчезающего градиента. Показано применение LSTM для прогнозирования и обработки последовательных данных в различных областях. Приведены структурные схемы сети и иллюстрации работы вентилей.
-
Разработка интеллектуального ассистента преподавателя
Авторы: Ю.С. Гаврилова, В.Р. Смородин, С.М. Бараксанов.
Описание: в статье представлена разработка интеллектуального ассистента преподавателя в виде Telegram-бота для автоматизации рутинных задач. Рассмотрены функции бота: ответы на вопросы студентов с применением нечеткой логики, организация диалогов между пользователями, тестирование знаний, управление базой вопросов и учет прав доступа преподавателя. Показано, как использование бота снижает нагрузку на преподавателя, повышает доступность обучения и обеспечивает персонализацию образовательного процесса с помощью искусственного интеллекта и технологий автоматизации.
-
Разработка интеллектуального ассистента бота помощника кафедры
Авторы: А.И. Бондарь, А.А. Дудка, П.А. Полянская, Н.О. Савкин.
Описание: в статье рассматривается разработка программной модели агента, способного автоматически дополнять учебные программы дисциплин новыми знаниями на основе требований предприятий по трудоустройству студентов. Описаны ключевые этапы: сопоставление требований и дисциплин с помощью векторного представления текста Doc2Vec, извлечение знаний из текста требований через синтаксический анализ и формирование графа знаний, а также выделение недостающих знаний для дополнения учебной программы. Проведены экспериментальные исследования модели и показана её эффективность в адаптации учебного процесса к потребностям рынка труда.
-
Модели нейронных сетей для генерации семантически связного текста
Авторы: М.В. Домашева, А.А. Халин.
Описание: в работе приведён обзор современных моделей нейронных сетей для генерации семантически связного текста. Рассмотрены алгоритмы автоэнкодеров, рекуррентных нейронных сетей (RNN), LSTM, GRU, Seq2Seq и генеративно-состязательных сетей (GAN), включая модификации SeqGAN, LeakGAN и RankGAN. Показаны принципы работы, архитектуры и особенности обучения этих моделей, их применение для генерации текстов различной длины, сохранения семантической связности и учета контекста. Сделан обзор подходов к комбинированию моделей для повышения качества создаваемого текста, а также практического использования в чат-ботах, виртуальных помощниках, автоматическом переводе и аннотировании текстов.
-
Решение задачи извлечения именованных сущностей из русскоязычного текста при помощи рекуррентных нейронных сетей
Авторы: М.Д. Аверина, О.А. Леванова.
Описание: статья посвящена решению задачи извлечения именованных сущностей из русскоязычных текстов с использованием рекуррентных нейронных сетей. Рассматриваются архитектуры LSTM, BiLSTM и их сочетание с CRF, а также влияние различных методов предобработки текста и векторных представлений слов (fasttext, word2vec, bert embedding) на качество распознавания. Приведены результаты сравнительного анализа моделей, показано, что наибольшую эффективность демонстрирует комбинация BiLSTM и CRF при использовании fasttext и дополнительных морфологических признаков.
-
Применение нейронных сетей для обработки неструктурированной информации
Авторы: В.С. Кондаков
Описание: статья посвящена применению нейронных сетей для обработки неструктурированной текстовой информации. Рассматриваются сверточные (CNN) и рекуррентные (RNN) нейронные сети, их способность выявлять скрытые закономерности, моделировать контекст и временные зависимости, а также использование эмбеддингов и трансформеров (BERT, GPT) для анализа текста, классификации, выделения именованных сущностей и анализа тональности. Приводятся примеры формализации и обработки текста с помощью RNN, включая токенизацию, эмбеддинги и вычисление выходных вероятностей с softmax.
Публикации по теме выпускной работы
-
Comparing recurrent neural networks and symbolc regression methods
Авторы: H.S.N. Chavush, K.S.N. Zhavush, F.N.H. Mendes.
Автор перевода: Н.М. Зозуля.
Описание: в статье рассматривается сравнение рекуррентных нейронных сетей (РНН) и методов символической регрессии для управления движением роботов. Исследуются их эффективность, адаптивность, способность к обучению и вычислительная эффективность. Показаны сильные и слабые стороны каждого метода, приведены рекомендации для практического применения в робототехнике.
-
A comparative analysis of RNN, LSTM and GRU for text classification
Авторы: L.R. Mammadova.
Автор перевода: Н.М. Зозуля.
Описание: в статье представлен сравнительный анализ моделей глубокого обучения RNN, LSTM и GRU для классификации текстов. Рассмотрены их архитектуры, математические основы, использование различных наборов данных и результаты экспериментов. Показано, что модель GRU демонстрирует наилучшую точность классификации, а также обсуждаются возможности применения рекуррентных сетей в обработке естественного языка и задачах анализа последовательностей.
-
Using recurrent neural networks for analyze text data
Авторы: D.P. Surovyagin.
Автор перевода: Н.М. Зозуля.
Описание: в статье рассматривается использование рекуррентных нейронных сетей (RNN) для обработки текстов и анализа последовательных данных. Показано, как RNN и их варианты, включая LSTM и двунаправленные RNN, позволяют моделировать последовательности, учитывать временной и семантический порядок, решать проблему исчезающего градиента и обеспечивать эффективное представление текста для задач классификации, анализа настроений и прогнозирования. Проведен обзор алгоритмов векторизации текста и принципов работы слоев RNN, включая сохранение состояния и повторное введение информации для улучшения качества обработки.
-
Development of an artificial neural network for classification of text by category
Авторы: O.A. Takhtay, T.V. Bryukhanova.
Автор перевода: Н.М. Зозуля.
Описание: в работе представлен проект разработки искусственной нейронной сети для классификации текстов по категориям. Рассматриваются принципы построения многослойных персептронов (MLP), особенности обучения с помощью обратного распространения ошибки, структура сети, выбор количества нейронов и тестирование точности классификации. Показано практическое применение сети для обработки текстовой информации с различными классами и оценка её эффективности. Приведены результаты обучения и прогнозирования, достигнутые показатели точности и подход к визуализации результатов.
-
Use of artifical intelligence technologies in text recognition
Авторы: D.M. Ivanov, I.V. Remizova, T.S. Sharapa.
Автор перевода: Н.М. Зозуля.
Описание: статья посвящена современным методам распознавания текста и анализирует, как технологии искусственного интеллекта — в частности, модели машинного и глубокого обучения — улучшают работу классических OCR-систем. Кратко рассматриваются принципы работы оптического распознавания символов, особенности сверточных и рекуррентных нейронных сетей, а также их роль в обработке текстовых изображений. Показано, что применение нейросетевых архитектур позволяет значительно повысить точность распознавания, особенно на сложных и неоднородных текстовых данных.