Аналіз існуючих підходів до класифікації текстів з використанням глибоких нейронних мереж

Скорочена інформація про документ
dc.contributor.authorПавленко, Максим Петровичuk
dc.date.accessioned2025-02-27T13:48:45Z
dc.date.available2025-02-27T13:48:45Z
dc.date.issued2024-11
dc.description.abstractУ 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.uk
dc.identifier.citationПавленко М. П. Аналіз існуючих підходів до класифікації текстів з використанням глибоких нейронних мереж / М. П. Павленко // Prospective directions of modern science and education in the world : The 12th International scientific and practical conference (November 19–22, 2024, Rotterdam, Netherlands). – Rotterdam : International Science Group, 2024. – Pp. 43–45.uk
dc.identifier.isbn979-8-89619-792-8
dc.identifier.urihttps://dspace.bdpu.org.ua/handle/123456789/4615
dc.language.isoukuk
dc.publisherInternational Science Groupen
dc.subjectкласифікація текстівuk
dc.subjectглибоке навчанняuk
dc.subjectнейронні мережіuk
dc.subjectбробка природної мовиuk
dc.subjectмашинне навчанняuk
dc.subjectаналіз текстуuk
dc.titleАналіз існуючих підходів до класифікації текстів з використанням глибоких нейронних мережuk
dc.typeThesisen
Файли
Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
pavlenko-m-аnalysis-of-existing-approaches-to-text-classification-using-deep-neural-networks.pdf
Розмір:
225.7 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed to upon submission
Опис:
Завантажити
Зібрання
Матеріали конференцій, семінарів, читань