?
Ассоциативная (однородная семантическая) сеть - семантический компонент системы распознавания слитной речи
.
В работе представлен подход к реализации языковой модели, которая совместно с произносительной моделью, подходы к реализации которой в настоящий момент достаточно хорошо проработаны, позволяет повысить качество распознавания. Языковая модель в данном подходе реализуется в виде ассоциативной (однородной семантической) сети, которая дополняется такими же ассоциативными сетями в качестве моделей предметных областей. Отличие модели предметной области от языковой модели заключается в устранении из анализа, при формировании модели предметной области, общеязыковой информации. Сохраняется лишь сеть переходов между ключевыми понятиями. Эффективным средством для реализации подхода является использование кортикоморфной ассоциативной памяти.
Глазкова А. В., Смаль И. В., Ляшевская О. Н. и др., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2025 Т. 527 С. 146–155
В работе представлено исследование эффективности дискриминативных методов лемматизации сокращений в русскоязычных текстах. В отличие от генеративных подходов, дискриминативные модели осуществляют выбор оптимальной леммы из фиксированного набора вариантов, что исключает риск генерации грамматически некорректных словоформ. Впервые для русского языка проводится комплексный анализ четырех контекстно-ориентированных подходов: (1) ранжирования на основе маскированного языкового моделирования, (2) бинарной классификации, (3) ...
Добавлено: 10 марта 2026 г.
Мыльникова А. В., Мыльников Л. А., Научно-техническая информация. Серия 2: Информационные процессы и системы 2025 № 7 С. 32–44
Рассмотрена модель использования скелетных структур на базе синтаксической разметки для предобработки корпусов текстов перед передачей в нейросетевые модели машинного перевода с целью повышения качества их работы, реализованная с помощью частеречной и синтаксической разметок корпусов текстов, использующих языковую модель, с использованием сети BERT и набора правил. Описана подготовка данных для обучения и предложены способы повышения эффективности ...
Добавлено: 22 сентября 2025 г.
Белова П.Е., Юрислингвистика 2023 № 27(38) С. 94–98
В рамках лингвистической экспертизы по делам о нарушении авторских и смежных прав в отношении речевых произведений перед экспертами все чаще ставится вопрос о сравнении нескольких текстов и поиске в них полнотекстовых, частичных и иных (лексических, грамматических, семантических и пр.) совпадений, а также об определении величины данных совпадений. Сравнение документов вручную, как правило, занимает много времени, ...
Добавлено: 6 апреля 2023 г.
Кусакин И. К., Цурупа А. М., Алмакаев А. В. и др., В кн.: НТИ-2022. Научная информация в современном мире: глобальные вызовы и национальные приоритеты : материалы 10-ой научной конференции с международным участием, посвященной 70-летию ВИНИТИ РАН, Москва, 25–26 октября 2022 года.: М.: ВИНИТИ РАН, 2022. С. 103–109.
В данной работе рассматриваются подходы к обучению классификаторов научных статей на основе BERT с целью реализации приложения для адаптации лучших моделей для последующего использования в инфраструктуре ВИНИТИ РАН. Для этого лингвистическая модель BERT была обучена на специализированном корпусе научных текстов для последующего использования в качестве встроенной части классификатора. В работе приведены результаты экспериментов по обучению ...
Добавлено: 31 января 2023 г.
Кусакин И. К., Федорец О. В., Романов А. Ю., Научно-техническая информация. Серия 2: Информационные процессы и системы 2022 Т. 12 С. 6–9
В данной работе рассматриваются современные подходы к обработке естественного языка и применения технологий искусственного интеллекта в задаче классификации научных текстов на русском языке. Работа посвящена анализу реализаций методов векторизации текстовой информации применительно к задаче обучения различных моделей классификаторов: от классических алгоритмов машинного обучения до нейросетевых архитектур-трансформеров. ...
Добавлено: 31 января 2023 г.
Sergey Smetanin, Mathematics 2022 Vol. 10 No. 16 Article 2947
Добавлено: 15 августа 2022 г.
Сметанин С. И., PeerJ Computer Science 2022 No. 8 Article e1039
The Russian language is still not as well resourced as English, especially in the field of sentiment analysis of Twitter content. Though several sentiment analysis datasets of tweets in Russia exist, they all are either automatically annotated or manually annotated by one annotator. Thus, there is no inter-annotator agreement, or annotation may be focused on ...
Добавлено: 29 июня 2022 г.
Харламов А. А., Kulikov A., , in: Neuroinformatics and Semantic Representations: Theory and Applications.: Cambridge Scholars Publishing, 2020. P. 219–231.
В работе показано использование механизма сравнения семантических сетей текстов в задаче диагностики заболеваний с использованием сигнальных сетей. Выявление степени пересечения семантических сетей текстов позволяет говорить о степени их смыслового подобия. Однородная семантическая сеть как множество узлов, связанных дугами, имеет численные характеристики – частоты появления слов, а также пар слов в тексте, которые перенормируются с использованием ...
Добавлено: 7 декабря 2021 г.
Харламов А. А., , in: Neuroinformatics and Semantic Representations: Theory and Applications.: Cambridge Scholars Publishing, 2020. P. 156–167.
На основе представлений об обработке информации в мозге человека [1] реализована технология автоматической смысловой обработки текстов TextAnalyst, позволяющая выявить ключевые понятия текста в их взаимосвязях, реализовать реферирование текстов и их смысловое сравнение (классификацию). Реализованы продукты, использующие функциональность этой технологии: персональный – TextAnalyst, и библиотека COM модулей – TextAnalyst SDK. ...
Добавлено: 7 декабря 2021 г.
Казарцев Е. В., Долженко Д. Ю., Емельянов Н. И., В кн.: International Scientific and Theoretical Conference "Problems of poetry and prosody IX" is dedicated to the 30th anniversary of the Independence of the Republic of Kazakhstan and the 90th Anniversary of the Outstanding Kazakh Poet Mukagali Makatayev 20-21 May 2021 Almaty.: КазНПУ им. Абая, 2021. С. 35–40.
Статья посвящена анализу влияния стихотворного ритма на прозу Б. Л. Пастернака и В. В. Набокова. В результате исследования стихоподобных фрагментов прозы у этих авторов были отмечены существенные отличия в проявлении поэтических тенденций. В процессе эволюции ритмика прозы Пастернака обнаруживает сближение с ритмикой классических образцов русского стиха, в то время как Набоков напротив со временем отходит ...
Добавлено: 31 октября 2021 г.
Сметанин С. И., , in: Компьютерная лингвистика и интеллектуальные технологии: по материалам ежегодной международной конференции «Диалог» (Москва, 17–20 июня 2020 г.)Issue 19(26): дополнительный том.: -, 2020. P. 1149–1159.
Добавлено: 30 ноября 2020 г.
Бызов А. А., Социология: методология, методы, математическое моделирование 2019 № 49 С. 131–160
На протяжении практически всей своей истории социологи стремились изучать неструктурированные органические тексты: материалы газет, дневники, мемуары, письма, документы, а с недавнего времени и сообщения, публикации и другие тексты на различных онлайн-платформах. В этой статье обсуждается то, как современные техники интеллектуального анализа текста (ИАТ) могут улучшить классические социологические подходы к анализу такого типа данных. Статья построена ...
Добавлено: 9 декабря 2019 г.
Малафеев А. Ю., Николаев К. И., , in: Analysis of Images, Social Networks and Texts. 8th International Conference, AIST 2019, Kazan, Russia, July 17–19, 2019, Revised Selected Papers. Communications in Computer and Information ScienceVol. 1086.: Springer, 2020. P. 154–159.
В статье проводится исследование методов глубокого обучения для решения новой задачи многоклассовой классификации текстов, а именно определения интересов пользователей с помощью текстовых сообщений. Мы использовали оригинальный набор данных из почти 90 тысяч текстовых сообщений с форумов, размеченных по десяти интересам. Мы экспериментировали с различными современными архитектурами нейронных сетей: рекуррентными и сверточными, а также с более простыми сетями с прямой связью. ...
Добавлено: 7 ноября 2019 г.
Харламов А. А., Информационные технологии 2017 № 1 С. 66–75
Ассоциативная память человека является средой для формирования единого пространства знаний. Рассмотрена обработка текстовой информации как пример процесса обработки человеком информации любой модальности с формированием однородной семантической сети ключевых понятий текста, ранжированных по степени их важности, а также иерархической тематической структуры, характеризующей сложность текста. Результаты текстового анализа наглядно интерпретируются на анализе конкретных текстов с применением аппарата ...
Добавлено: 20 февраля 2019 г.
Наконечная Е. Т., , in: Proceedings of the 22nd Conference of Open Innovations Association FRUCT.: Jyvaskyla: [б.и.], 2018. P. 361–365.
Статья является продолжением ряда исследований, посвященных изучению ритмики художественной прозы А. С. Пушкина. В работе рассматриваются такие произведения, как «Дубровский», «Пиковая дама», «Капитанская дочка», «Кирджали», «Египетские ночи». Применяется метод отбора «случайных» четырехстопных ямбов. Ритмика стихоподобных фрагментов сравнивается с вероятностно-статистическими моделями распределения стихотворных строк в прозе. В результате анализа случайных стихоподобных фрагментов рассмотрена эволюция ритмики прозы ...
Добавлено: 12 июня 2018 г.
Буйлова Н. Н., Научно-техническая информация. Серия 2: Информационные процессы и системы 2018 № 8 С. 34–38
В настоящем обзоре была рассмотрена проблема классификации документов по жанрам, выделены основные характеристики текста, используемые для распознавания жанра текста, и описаны наиболее широко применяемые алгоритмы машинного обучения. Рассмотренные методы служат для классификации научных, технических, публицистических и художественных текстов. ...
Добавлено: 28 марта 2018 г.