МӘТІНДІК ДЕРЕКТЕРДІ ТАЛДАУ ДӘЛДІГІН АРТТЫРУ МАҚСАТЫНДА МАШИНАЛЫҚ ОҚЫТУ МОДЕЛЬДЕРІН АНСАМБЛЬДЕУ ӘДІСТЕРІН ЗЕРТТЕУ ЖӘНЕ ӘЗІРЛЕУ
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
Қазіргі ақпараттық қоғамда мәтіндік деректердің көлемі қарқынды түрде өсуде. Әлеуметтік желілер, жаңалықтар порталдары, ғылыми жарияланымдар және электрондық құжаттар үлкен көлемдегі мәтіндік ақпараттың негізгі көздері болып табылады. Мұндай деректерді тиімді өңдеу мен талдау табиғи тілдерді өңдеу технологиялары мен машиналық оқыту әдістеріне негізделеді. Дегенмен жеке машиналық оқыту модельдері күрделі мәтіндік құрылымдарды талдау кезінде әрдайым жоғары дәлдік көрсете бермейді. Осыған байланысты бірнеше модельдердің нәтижелерін біріктіруге негізделген ансамбльдеу әдістерін қолдану зерттеудің маңызды бағыты болып отыр. Бұл мақалада мәтіндік деректерді талдау дәлдігін арттыру мақсатында машиналық оқыту модельдерін ансамбльдеу әдістерін зерттеу мәселесі қарастырылады. Ансамбльдеу әдістерінің негізгі түрлері талданып, олардың мәтінді жіктеу міндетіндегі тиімділігі сипатталады. Сонымен қатар мәтіндік деректерді өңдеу кезеңдері мен ансамбль модельдерін қолданудың зерттеу әдістемесі ұсынылады.
Fields of Study & Subjects
Topic Modeling
Computational and Text Analysis Methods
Natural Language Processing Techniques
Publication details
- Journal / source
- Zenodo (CERN European Organization for Nuclear Research)
- Publication date
- 15 March 2026
- Language
- KK