Semantic Proximity Establishment in the Tasks of Knowledge Extraction and Named Entities Recognition

Сафарян А. К., Petr Filchenkov, Yan W. и др., , in: Recent Trends in Analysis of Images, Social Networks and Texts. 9th International Conference, AIST 2020, Skolkovo, Moscow, Russia, October 15–16, 2020 Revised Supplementary ProceedingsVol. 12602.: Springer, 2021. Ch. 3 P. 22–36.

Добавлено: 18 сентября 2023 г.

Moving Other Way: Exploring Word Mover Distance Extensions

Smirnov, I., Ямщиков И. П., , in: COMPLEXIS 2022. Proceedings of the 7th International Conference on Complexity, Future Information Systems and Risk. April 23-24, 2022.: Science and Technology Publications, Lda, 2022. P. 92–97.

Добавлено: 8 сентября 2022 г.

Analyzing COVID-19 Medical Papers Using Artificial Intelligence: Insights for Researchers and Medical Professionals

Dmitry Soshnikov, Petrova T., Soshnikova V. и др., Big Data and Cognitive Computing 2022 Vol. 6 No. 1 Article 4

Since the beginning of the COVID-19 pandemic almost two years ago, there have been more than 700,000 scientific papers published on the subject. An individual researcher cannot possibly get acquainted with such a huge text corpus and, therefore, some help from artificial intelligence (AI) is highly needed. We propose the AI-based tool to help researchers ...

Добавлено: 22 февраля 2022 г.

Chekhov's Gun Recognition

Tikhonov A., Ямщиков И. П., / Series Computer Science "arxiv.org". 2021.

Chekhov's gun is a dramatic principle stating that every element in a story must be necessary, and irrelevant elements should be removed. This paper presents a new natural language processing task — Chekhov's gun recognition or (CGR) — recognition of entities that are pivotal for the development of the plot. Though similar to classical Named Entity Recognition ...

Добавлено: 3 декабря 2021 г.

Rethinking Crowd Sourcing for Semantic Similarity

Solomon S., Cohn A., Rosenblum H. и др., / Series Computer Science "arxiv.org". 2021.

Estimation of semantic similarity is crucial for a variety of natural language processing (NLP) tasks. In the absence of a general theory of semantic information, many papers rely on human annotators as the source of ground truth for semantic similarity estimation. This paper investigates the ambiguities inherent in crowd-sourced semantic labeling. It shows that annotators ...

Добавлено: 3 декабря 2021 г.

Lexicographic Study of Synonymy: Clarifying Semantic Similarity between Words

Соловьев В., Гималетдинова Г., Халитова Л. и др., Computacion y Sistemas 2021 Vol. 25 No. 3 P. 667–675

Добавлено: 1 декабря 2021 г.

Representation of Different Types of Adjectival Polysemy in the Mental Lexicon

Апресян В. Ю., Лопухина А. А., Зарифян М. С., Frontiers in Psychology 2021 Vol. 12 Article 742064

Добавлено: 29 октября 2021 г.

Style-transfer and Paraphrase: Looking for a Sensible Semantic Similarity Metric

Ямщиков И. П., Shibaev V., Khlebnikov N. и др., , in: The Thirty-Fifth AAAI Conference on Artificial Intelligence. Technical Tracks 16Vol. 35. Issue 16.: AAAI Press, 2021. P. 14213–14220.

Добавлено: 22 июля 2021 г.

Извлечение сценарной информации из текстов. Часть 1. Постановка задачи и обзор методов

Суворова М. И., Кобозева М. В., Толдова С. Ю. и др., Искусственный интеллект и принятие решений 2020 № 1 С. 17–26

В статье обсуждается важность автоматического сценарного анализа для понимания текстов на естественном языке. Дан широкий обзор методов и подходов к описанию и извлечению сценариев. Рассмотрены теоретические подходы к формализации сценариев. Приведен список задач, для решения которых используется информация о сценарной структуре текста. Представлены популярные подходы к автоматическому извлечению сценариев из текстов и методы оценки их ...

Добавлено: 22 апреля 2020 г.

The Entity Name Identification in Classification Algorithm: Testing the Advocacy Coalition Framework by Document Analysis (The Case of Russian Civil Society Policy)

Зайцев Д. Г., Таловский Н. И., Кускова В. В. и др., , in: Analysis of Images, Social Networks and Texts. 8th International Conference, AIST 2019, Lecture Notes in Computer Science, Revised Selected PapersVol. 11832.: Cham: Springer, 2019. P. 276–288.

Добавлено: 7 ноября 2019 г.

Network Analysis Methodology of Policy Actors Identification and Power Evaluation (the case of the Unified State Exam introduction in Russia)

Зайцев Д. Г., Gregory Khvatsky, Таловский Н. И. и др., , in: Network Algorithms, Data Mining, and Applications. Springer Proceedings in Mathematics & Statistics.: Springer, 2020. P. 231–244.

Добавлено: 7 ноября 2019 г.

An Experimental Study of Hybrid Machine Learning Models for Extracting Named Entities

Lei J., Большакова Е. И., , in: Proceedings of Third Workshop "Computational linguistics and language science"Issue 4.: Manchester: EasyChair, 2019. P. 50–60.

Добавлено: 3 ноября 2019 г.

Dark personalities on Facebook: Harmful online behaviors and language

Bogolyubova O., Panicheva P., Tikhonov R. и др., Computers in Human Behavior 2018 Vol. 78 P. 151–159

*Реализация соц. сети Facebook запрещена на территории России по основаниям осуществления экстремистской деятельности. ...

Добавлено: 18 февраля 2019 г.

СЕМАНТИЧЕСКАЯ ОБРАБОТКА НЕСТРУКТУРИРОВАННЫХ ТЕКСТОВЫХ ДАННЫХ НА ОСНОВЕ ЛИНГВИСТИЧЕСКОГО ПРОЦЕССОРА PULLENTI

Козеренко Е. Б., Кузнецов К. И., Романов Д. А., Информатика и ее применения 2018 Т. 12 № 3 С. 91–98

Представлена методика создания систем извлечения знаний, основанная на подходе, главным инструментом которого является программный пакет PullEnti, включающий алгоритмы морфологического и семантико-синтаксического анализа для выделения сущностей определенных типов из текстов естественного языка (персоны, организации, локации и другие целевые семантические объекты). В системе PullEnti используются динамически подключаемые компоненты (плагины), что позволяет без перекомпилирования активировать различные функциональные возможности. ...

Добавлено: 19 декабря 2018 г.

Trend Monitoring for Linking Science and Strategy

Бахтин П. Д., Саритас О., Чулок А. А. и др., Scientometrics 2017 Vol. 111 No. 3 P. 2059–2075

Добавлено: 21 декабря 2016 г.

Unified External Data Access Implementation in Formal Concept Analysis Research Toolbox

Паринов А. А., Незнанов А. А., , in: CLA 2016: Proceedings of the Thirteenth International Conference on Concept Lattices and Their Applications. CEUR Workshop ProceedingsVol. 1624.: M.: Higher School of Economics, National Research University, 2016. P. 285–296.

Formal Concept Analysis (FCA) provides mathematical models, methods and algorithms for data analysis. However, by now there is no easily available program system, which would provide data analyst with unified, intelligible and transparent access to various external data sources with large amount of heterogeneous data for subsequent FCA-based knowledge discovery. The lack of such tools ...

Добавлено: 19 октября 2016 г.

Full-text Search in Intermediate Data Storage of FCART

Незнанов А. А., Паринов А. А., , in: RuZA 2015 Workshop. Proceedings of Russian and South African Workshop on Knowledge Discovery Techniques Based on Formal Concept Analysis (RuZA 2015). November 30 - December 5, 2015, Stellenbosch, South AfricaVol. 1552.: Aachen: CEUR Workshop Proceedings, 2015.

The speed of full-text search directly affects the process of text analysis. Search engine creates a text index, which is used for fast full-text search. Solr and ElasticSearch are two popular search engines. A text analysis system requires fast implementing searching and indexing at the same time. This paper describes preprocessing workflow of the analysis ...

Добавлено: 14 июня 2016 г.

Semantic Clustering of Russian Web Search Results: Possibilities and Problems

Кутузов А. Б., , in: Information Retrieval. 9th Russian Summer School, RuSSIR 2015, Saint Petersburg, Russia, August 24-28, 2015, Revised Selected PapersVol. 573.: Switzerland: Springer, 2016. Ch. 6 P. 320–331.

Добавлено: 25 декабря 2015 г.