ТҮЙІНДІ СӨЗДЕРДІ ҚАМТУ ҮШІН МАШИНАЛЫҚ ОҚЫТУ ӘДІСТЕРІНІҢ ТИІМДІЛІГІН БАҒАЛАУ
Бұл мақалада автоматты кодтаушымен (AE) біріктірілген Bidirectional Encoder Representations from Transformers (BERT)) және Term Frequency-Inverse Document Frequency, TF-IDF сияқты машиналық оқытудағы екі заманауи гибридтік тәсілдердің толық салыстырмалы талдауы берілген. Зерттеу мәтіндік деректерге семантикалық талдау әдістерін қолдана отырып, кілт сөздерді шығару міндетіне назар аударады. Жұмыстың негізгі мақсаты – әртүрлі тақырыптық аумақтарды қамтитын үлкен мәтіндерге сәйкес кілт сөздерді табуды қамтамасыз етуде осы әдістердің тиімділігін бағалау. Авторлар қарастырылатын әдістердің әрқайсысының архитектурасы мен жұмыс істеу принциптерін толық зерттейді. Бұл әдістерді таңдалған түйінді сөздердің мағыналық тұтастығы мен өзектілігін айтарлықтай жақсартуға мүмкіндік беретін автокодерлермен біріктіру ерекшеліктеріне ерекше назар аударылады. Зерттеудің эксперименттік бөлімі бастапқы деректердің құрылымы мен семантикалық байлығының әрбір әдістің нәтижелеріне қалай әсер ететінін көрсететін әртүрлі мәтіндік деректер жиындарында екі әдістің де тиімділігін егжей-тегжейлі талдауды қамтиды. Сондай-ақ мақалада дәлдік, F1 сияқты көрсеткіштерді қоса, кілт сөзді шығару сапасын бағалау үшін қолданылатын әдістеме егжей-тегжейлі сипатталған. Әрбір тәсілдің артықшылықтары мен кемшіліктері, сондай-ақ олардың сөздік есептердің нақты түрлеріне сәйкестігі талданады. Зерттеу нәтижелері ғылыми қоғамдастық үшін құнды деректер береді және семантикалық мазмұнды терең түсіну және ақпаратты алудың жоғары дәлдігі қажет болатын әртүрлі қолданбаларда мәтінді өңдеудің ең қолайлы әдісін таңдау үшін пайдаланылуы мүмкін.
Сведения
- Опубликовано
- 2024 · № 4
- Язык
- Казахский
- ISSN
- 1991-346X · 2518-1726
- Издатель
- Central Asian Academic Research Center LLP