Исследование методов машинного обучения для классификации научных текстов на русском языке

И. К. Кусакин; Федорец О. В.; А. Ю. Романов

doi:10.36535/0548-0027-2022-12-2

Публикации

?

Исследование методов машинного обучения для классификации научных текстов на русском языке

Научно-техническая информация. Серия 2: Информационные процессы и системы. 2022. Т. 12. С. 6–9.

Кусакин И. К., Федорец О. В., Романов А. Ю.

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.

Научное направление: Компьютерные науки

Язык: русский

Полный текст

DOI

Текст на другом сайте

Ключевые слова: машинное обучение нейронные сети обработка естественного языка NLP классификация текстов text classification LSTM BERT BERT LSTM

Risks and the image of the future in the study of AI technologies prospects

Снегирев А. Ю., Сычев С. В., Futures 2026 Vol. 183 P. 1–22

Добавлено: 23 сентября 2026 г.

Choosing Between AI Responses: How Valence, Arousal, and Dominance Shape User Preference

Паршаков П. А., Паклина С. Н., International Journal of Human-Computer Interaction 2026 P. 1–17

Добавлено: 23 сентября 2026 г.

A Two-Stage Deep Reinforcement Learning Framework for Radio Resource Management and Network Slicing in 5G Heterogeneous Networks

Андраби У. М., Wadood E., Ojha S. K. и др., IEEE Access 2026 Vol. 14 P. 103358–103375

Добавлено: 23 сентября 2026 г.

LLM-assisted writing and citation advantage: evidence from scientific publications before and after ChatGPT release

Паклина С. Н., Паршаков П. А., Elena Rapoport, Scientometrics 2026 P. 1–26

Добавлено: 23 сентября 2026 г.

Label-Free Quantification in the Crux Toolkit

Кертес-Фаркаш А., Аквей Ф. Л., Journal of Proteome Research 2026 Vol. 25 P. 3764–3768

Добавлено: 23 сентября 2026 г.

Risk Assessment Models for Heated Tobacco Products

Maddalena L., Yildiz B., Del Vecchio Blanco F. и др., Risk Analysis 2026 Vol. 46 No. 4 P. 1–26

Добавлено: 22 сентября 2026 г.

Методические подходы к выбору оптимальных моделей прогнозирования динамики деловой активности на данных конъюнктурных опросов

Лола И. С., Асосков Д. Г., Урсуленко В. С., ИСИЭЗ НИУ ВШЭ, 2026.

Настоящая работа посвящена сравнению эффективности классических эконометрических моделей и современных алгоритмов машинного и глубокого обучения для кратко- и среднесрочного прогнозирования качественных данных бизнес-опросов деловой активности обрабатывающих производств России. На основе данных за период с января 2010 г. по март 2026 г. было комплексно протестировано 10 различных подходов, включая классические модели ARIMA, VAR, ETS, алгоритм XGBoost ...