Применение машинного обучения для классификации комментариев
Рассмотрение машинного обучения для классификации комментариев в рамках курсового проекта по дисциплине "Machine Learning. Обучающиеся технические системы". Автоматическое определение эмоциональной окраски (позитивный, негативный) текстовых данных.
Подобные документы
Десктопные переводчики PROMT для английского, немецкого, французского, испанского, итальянского, португальского и русского языков. Создание первой системы машинного перевода PROMT. Качество перевода и его зависимость от объёмов лингвистических баз данных.
статья, добавлен 30.03.2015Классификации обучающих программ для электронного обучения. Понятие педагогического сценария. Создание интерфейсов отображения теоретического материала, тестирования, выведения результатов, базы данных. Поддержание удобного администрирования сайта.
дипломная работа, добавлен 16.06.2018Історія машинного перекладу як науково-прикладного напряму. Створення програм на потребу користувачів для переведення текстів комерційної, технічної або Інтернет-інформації. Напрямки розвитку та застосування машинного перекладу і приклади систем.
реферат, добавлен 31.12.2013Использование техник машинного обучения и анализа данных для создания адаптивных схем выбора уровней для языковых видеоигр. Описание интерфейса приложения, реализация уровней сложности. Построение системы наград на основе данных, геймификация приложения.
статья, добавлен 30.04.2018Machine learning is a set of algorithms and tools that help machines understand hidden patterns in data and exploit the structure and substance of those hidden patterns. The history of the emergence of architectures of increased computing power.
статья, добавлен 24.02.2024Анализ предметной области. Технологии классификации текстовых данных. Диаграмма прецедентов системы определения категорий тендеров. Проектирование архитектуры системы определения категорий тендеров. Формирование обучающих выборок для нейронной сети.
дипломная работа, добавлен 28.11.2019Методы, которые используются для предотвращения мошенничества и, в частности, для работы с несбалансированными данными. Суть затрат на уровне класса и объекта. AdaBoost и его чувствительные к стоимости вариации. Изучение метода изотонической регрессии.
дипломная работа, добавлен 16.09.2020Фишинг как одна из главных причин взлома учетной записи в социальной сети. Развитие технологий машинного обучения - причина их активного применения в различных областях. Разработка алгоритма для получения набора данных для обучения нейронной сети.
статья, добавлен 09.05.2022История развития машинного перевода. Компьютер на месте переводчика, компьютерный словарь и грамматика. Достоинства и преимущества программ машинного перевода. Разнообразные виды переводчиков для офиса и дома. Онлайн-перевод информации в Интернете.
курсовая работа, добавлен 10.12.2014Машинное обучение для задачи выявления паттернов поведения пользователя в рекомендательных системах. Суть подхода к разработке модели признаков для задачи формирования предсказаний в рекомендательной системе с учетом паттернов поведения пользователя.
дипломная работа, добавлен 27.08.2020Переваги систем машинного перекладу, методи його автоматичної оцінки. Розробка інтелектуальної системи автоматичної оцінки якості машинного перекладу з використанням метрики BLEU. Проблема кореляції автоматичної та експертної оцінки машинного перекладу.
дипломная работа, добавлен 17.01.2013Разработка алгоритма обучения технических систем, позволяющего выполнять автоматическую настройку функций принадлежности нечетких (fuzzy) множеств в соответствии с обучающей выборкой. Результаты моделирования алгоритма обучения в системе Matlab.
статья, добавлен 02.02.2019Внедрение электронного обучения (e-learning) в систему образования, его этапы и результаты. Система электронного обучения в мире и готовность к ней Казахстана. Контент и цифровые ресурсы для разных уровней образования и элементы электронного обучения.
презентация, добавлен 23.04.2014Существующие методы аугментации тренировочных данных в задаче классификации, их сравнительная характеристика и особенности применения. Порядок проведения экспериментов по аугментированию с помощью различных подходов. Их сравнение с методом EDA.
дипломная работа, добавлен 20.08.2020- 65. Navigating the complexity: pseudo-chaotic systems and machine learning scientific research group
Structure and properties of pseudo-chaotic systems. Using machine learning tools for pattern recognition and event prediction. Consideration of ethical issues and assessment of the implications for the synergy of environmental sciences and bioengineering.
статья, добавлен 19.03.2024 Классификации обучающих систем по различным свойствам. Классификации, отражающие управляемость обучаемого системой. Различные реализации электронных учебно-методических материалов по распределению ролей между обучаемым и системой в процессе обучения.
статья, добавлен 08.12.2018Понятие и области машинного обучения. Эволюционные модели и алгоритмы. Типология задач обучения по прецедентам. Байесовы (вероятностные) сети. Методы эвристической самоорганизации. Программно-прагматический и агентно-ориентированный подходы к обучению.
реферат, добавлен 07.04.2016Подходы к обеспечению надежности электродвигателя машинного агрегата на основе спектрального анализа высших гармонических составляющих тока и напряжения. Основные признаки систем диагностики, их место в общей классификации программного обеспечения.
статья, добавлен 07.03.2019Рассмотрение способа автоматического получения множества правил и их вероятностей из корпуса переводов в обучающем алгоритме для трансферной системы машинного перевода. Возможности получение правил трансфера. Линеаризация слов в целевом дереве разбора.
статья, добавлен 08.05.2018Поняття предметної області. Огляд електронних засобів навчання, їх класифікація. Комп’ютерні навчальні системи і системи дистанційної освіти, інструментальні засоби їх розробки. Методи машинного навчання (machine learning). Діагностика стану знань учня.
автореферат, добавлен 15.01.2016Описание модели информационной среды, в которой движение информации описано дифференциальным уравнением в частных производных. Преобразование вектора данных в аналог потока данных, а матрицу данных в ансамбль матриц. Изменение разделительных поверхностей.
статья, добавлен 19.01.2018Преимущества смешанного обучения. Формы, модели и технологии обучения. Эффективность использования информационных технологий. Интернет и образование. Синхронные и асинхронные инструменты коммуникации. Сравнение очной формы обучения и E-learning.
учебное пособие, добавлен 28.03.2011Знакомство с классификацией задач машинного обучения. Аномалии как паттерны данных, которые не удовлетворяют предопределенному понятию нормального поведения. Общая характеристика распространенных видов аномалий: контекстуальные, точечные, коллективные.
реферат, добавлен 24.12.2018Теорія машинного перекладу. Особливості використання систем, орієнтованих на персональні комп’ютери. Напрямки розвитку та застосування машинного перекладу. Приклади систем машинного перекладу. Проблема вибору шляху до створення штучного інтелекту.
курсовая работа, добавлен 30.10.2014Описание искусственных нейронных сетей. Типы машинного обучения. Анализ существующих библиотек. Разработка алгоритма распознавания дорожных знаков с применением глубоких сверточных сетей и дополнительного классификатора J48. Результаты обучения алгоритма.
дипломная работа, добавлен 30.07.2016