Аналіз існуючих підходів до класифікації текстів з використанням глибоких нейронних мереж

Abstract

У роботі проведено аналіз існуючих підходів до класифікації текстів з використанням глибоких нейронних мереж. Розглянуто основні архітектури, включаючи згорткові нейронні мережі (CNN), рекурентні мережі (RNN, LSTM), трансформери (BERT, RoBERTa) та інші сучасні моделі. Описано їхні переваги, недоліки та ефективність у різних завданнях обробки природної мови. Дослідження демонструє, що використання глибокого навчання значно покращує точність класифікації текстів порівняно з традиційними методами. Результати можуть бути застосовані у сфері автоматичного аналізу тексту, фільтрації контенту та штучного інтелекту.