Number of the records: 1
Analysis of Semantic Relationships in Ukrainian Text Content Based on Word2Vec and Machine Learning
Title Analysis of Semantic Relationships in Ukrainian Text Content Based on Word2Vec and Machine Learning Translation Analýza sémantických vzťahov v ukrajinskom textovom obsahu na základe Word2Vec a strojového učenia Author info Pavlo Kryndach, Victoria Vysotska, Sofia Chyrun, Lyubomyr Chyrun, Svitlana Goloshchuk, Roman Holoshchuk Author Kryndach Pavlo Co-authors Vysotska Victoria Chyrun Sofia Chyrun Lyubomyr Goloshchuk Svitlana EUBFAJKIK - Katedra interkultúrnej komunikácie FAJ Holoshchuk Roman Source document 2023 IEEE 18th International Conference on Computer Science and Information Technologies (CSIT). Pp. 1-6. - Lviv : IEEE, 2023 ; International Conference on Computer Science and Information Technologies (CSIT). ISBN 979-8-3503-6046-2 DOI 10.1109/CSIT61576.2023.10324074 Note 09I03-03-V01-00118. - Registrovaný: Scopus Document kind schedule of articles from year books Language English Country of Edition Slovak Republic Keywords učenie strojové * jazykoveda * jazyky cudzie * siete neurónové Annotation Štúdia použila korpus ukrajinských textov z kníh od rôznych autorov na trénovanie modelu Word2Vec na identifikáciu sémantických vzťahov medzi slovami. Cieľom projektu je analyzovať sémantické vzťahy medzi slovami a skonštruovať vektorové reprezentácie slov pomocou metódy Word2vec. Úlohy výskumu zahŕňajú prípravu dát, trénovanie modelu, analýzu získaných vektorov a porovnanie výsledkov s existujúcimi metódami. Hlavnými výzvami projektu sú veľké množstvá vysokokvalitných súborov údajov v ukrajinskom jazyku na trénovanie modelu, vytvorenie efektívneho algoritmu učenia Word2vec a vývoj používateľského rozhrania. Pomocou Pythonu a TensorFlow sa dosiahne efektívna aplikácia metódy Word2vec, ktorá vykazuje vysoký výkon. Beží približne 2,8 sekundy a využíva obmedzené množstvo pamäte v rozsahu od 140 do 200 megabajtov. Public work category Reports at international scientific conferences Registered in SCOPUS Database PUBLIKAČNÁ ČINNOSŤ No. of Archival Copy E23 00524-001, kópia plného textu
File name Size Typ prístupu Plný text PDF 1.1 MB z IP adresy SEK po prihlásení 
article
Number of the records: 1