Počet záznamov: 1
Analysis of Semantic Relationships in Ukrainian Text Content Based on Word2Vec and Machine Learning
Názov Analysis of Semantic Relationships in Ukrainian Text Content Based on Word2Vec and Machine Learning Preklad názvu Analýza sémantických vzťahov v ukrajinskom textovom obsahu na základe Word2Vec a strojového učenia Autorské údaje Pavlo Kryndach, Victoria Vysotska, Sofia Chyrun, Lyubomyr Chyrun, Svitlana Goloshchuk, Roman Holoshchuk Autor Kryndach Pavlo Spoluautori Vysotska Victoria Chyrun Sofia Chyrun Lyubomyr Goloshchuk Svitlana EUBFAJKIK - Katedra interkultúrnej komunikácie FAJ Holoshchuk Roman Zdrojový dokument 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 Poznámky 09I03-03-V01-00118. - Registrovaný: Scopus Druh dokumentu rozpis článkov zo zborníkov Jazyk dokumentu angličtina Krajina vydania Slovenská republika Heslá učenie strojové * jazykoveda * jazyky cudzie * siete neurónové Anotácia 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. Kategória EPC Publikované príspevky na zahraničných vedeckých konferenciách Registrované v SCOPUS Báza dát PUBLIKAČNÁ ČINNOSŤ Archív EPC E23 00524-001, kópia plného textu
Názov súboru Veľkosť Typ prístupu Plný text PDF 1.1 MB z IP adresy SEK po prihlásení 
článok
Počet záznamov: 1