Метод визначення семантичної зв’язності
Роботу присвячено вивченню проблеми визначення семантичної зв’язності понять англійської мови на базі текстових корпусів. На початку роботи ми наводимо короткий огляд існуючих підходів до вирішення проблеми, розглядаємо основні еталонні корпуси, що розмічено експертами. Далі переходимо до опису влас...
Saved in:
| Published in: | Штучний інтелект |
|---|---|
| Date: | 2016 |
| Main Author: | |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Інститут проблем штучного інтелекту МОН України та НАН України
2016
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/132067 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Метод визначення семантичної зв’язності / А.О. Никоненко // Штучний інтелект. — 2016. — № 3. — С. 32-42. — Бібліогр.: 24 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-132067 |
|---|---|
| record_format |
dspace |
| spelling |
Никоненко, А.О. 2018-04-10T15:55:13Z 2018-04-10T15:55:13Z 2016 Метод визначення семантичної зв’язності / А.О. Никоненко // Штучний інтелект. — 2016. — № 3. — С. 32-42. — Бібліогр.: 24 назв. — укр. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/132067 68T50 Роботу присвячено вивченню проблеми визначення семантичної зв’язності понять англійської мови на базі текстових корпусів. На початку роботи ми наводимо короткий огляд існуючих підходів до вирішення проблеми, розглядаємо основні еталонні корпуси, що розмічено експертами. Далі переходимо до опису власного методу та основних класів гіпотез, на яких він базується. В роботі запропоновано і описано більше 70 гіпотез, що можуть бути використаними при обчисленні семантичної зв’язності, а також нову, високоефективну модель вимірювання зв’язності на базі машинного навчання і запропонованих гіпотез. Модель дозволяє гнучко обирати серед гіпотез підмножини і показує високу ефективність на різних наборах еталонних тестів. The work is dedicated to the problem of semantic relatedness calculation based on text corpora. At the beginning of the work, we present a brief overview of existing approaches to solve the problem and consider the basic benchmark corpora. Then we describe our own method and main hypotheses on which it is based. The paper presents more than 70 hypotheses that can be used in the calculation of semantic relatedness and a new, high-performance relatedness measure model based on machine learning. The model can flexibly switch between subsets of hypotheses and demonstrate high efficiency on different benchmarks sets. uk Інститут проблем штучного інтелекту МОН України та НАН України Штучний інтелект Системи розпізнавання і сприйняття образів Метод визначення семантичної зв’язності Semantic relatedness calculation method Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Метод визначення семантичної зв’язності |
| spellingShingle |
Метод визначення семантичної зв’язності Никоненко, А.О. Системи розпізнавання і сприйняття образів |
| title_short |
Метод визначення семантичної зв’язності |
| title_full |
Метод визначення семантичної зв’язності |
| title_fullStr |
Метод визначення семантичної зв’язності |
| title_full_unstemmed |
Метод визначення семантичної зв’язності |
| title_sort |
метод визначення семантичної зв’язності |
| author |
Никоненко, А.О. |
| author_facet |
Никоненко, А.О. |
| topic |
Системи розпізнавання і сприйняття образів |
| topic_facet |
Системи розпізнавання і сприйняття образів |
| publishDate |
2016 |
| language |
Ukrainian |
| container_title |
Штучний інтелект |
| publisher |
Інститут проблем штучного інтелекту МОН України та НАН України |
| format |
Article |
| title_alt |
Semantic relatedness calculation method |
| description |
Роботу присвячено вивченню проблеми визначення семантичної зв’язності понять англійської мови на базі текстових корпусів. На початку роботи ми наводимо короткий огляд існуючих підходів до вирішення проблеми, розглядаємо основні еталонні корпуси, що розмічено експертами. Далі переходимо до опису власного методу та основних класів гіпотез, на яких він базується. В роботі запропоновано і описано більше 70 гіпотез, що можуть бути використаними при обчисленні семантичної зв’язності, а також нову, високоефективну модель вимірювання зв’язності на базі машинного навчання і запропонованих гіпотез. Модель дозволяє гнучко обирати серед гіпотез підмножини і показує високу ефективність на різних наборах еталонних тестів.
The work is dedicated to the problem of semantic relatedness calculation based on text corpora. At the beginning of the work, we present a brief overview of existing approaches to solve the problem and consider the basic benchmark corpora. Then we describe our own method and main hypotheses on which it is based. The paper presents more than 70 hypotheses that can be used in the calculation of semantic relatedness and a new, high-performance relatedness measure model based on machine learning. The model can flexibly switch between subsets of hypotheses and demonstrate high efficiency on different benchmarks sets.
|
| issn |
1561-5359 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/132067 |
| citation_txt |
Метод визначення семантичної зв’язності / А.О. Никоненко // Штучний інтелект. — 2016. — № 3. — С. 32-42. — Бібліогр.: 24 назв. — укр. |
| work_keys_str_mv |
AT nikonenkoao metodviznačennâsemantičnoízvâzností AT nikonenkoao semanticrelatednesscalculationmethod |
| first_indexed |
2025-12-01T14:48:59Z |
| last_indexed |
2025-12-01T14:48:59Z |
| _version_ |
1850860512692142080 |