Извлечение смысла из текста с использованием глобальной матрицы для лучшего взаимодействия между человеком и машиной

Автор: Аббаси М.М., Бельтюков А.П.

Журнал: Инфокоммуникационные технологии @ikt-psuti

Рубрика: Новые информационные технологии

Статья в выпуске: 4 (84) т.21, 2023 года.

Бесплатный доступ

Взаимодействие между человеком и машиной представляет собой технологическое будущее. Для взаимодействия с машинами используются различные механизмы, такие как голос, сигналы, действия, текст и т.д. Взаимодействие с машинами, использующими текст, является основной темой данного исследования. Текстовый анализ приобрел популярность за последние десятилетия. Он находит применение в различных областях, таких как прогнозирование тенденций фондового рынка, анализ общественного мнения, идентификация групп людей со схожими интересами и т.д. В этом исследовании основное внимание уделяется изучению смысла текста для достижения лучшего взаимодействия человека и машины. Это взаимодействие включает автоматическую идентификацию потребностей или намерений автора текста и соответствующую реакцию машины на намерения автора. Были предложены различные модели и алгоритмы полуавтоматического взаимодействия между человеком и машиной. Распространенные примеры полуавтоматического взаимодействия машинных агентов можно наблюдать в онлайн-системах для обслуживания клиентов банков и телекоммуникационной отрасли. Это исследование направлено на разработку полностью автоматизированной модели с целью извлечения смысла из текста и использования намерений автора для прогнозирования идей последующих текстов.

Еще

Глобальная матрица, локальная матрица, матрица ошибок, лемматизация, сегментация, текст, методы и инструменты, мнения

Короткий адрес: https://sciup.org/140306011

IDR: 140306011   |   DOI: 10.18469/ikt.2023.21.4.11

Список литературы Извлечение смысла из текста с использованием глобальной матрицы для лучшего взаимодействия между человеком и машиной

  • Mosteller F., Wallace L.D. Inference in an authorship problem // Journal of the American Statistical Association. 1963. Vol. 58, no. 302. P. 275-309.
  • Altmann G., Schwibbe H. Das Menzerathsche Gesetz in Informations verarbeitenden Systemen. Hildesheim: Georg Olms Verlag, 1989. 132 p.
  • Hochreiter S., Jrgen S. Long short term memory // Neural Computation. 1997. Vol. 9, no. 8. P. 1735-1780.
  • Graves I., Jrgen S. Frame wise phoneme classification with bidirectional LSTM and other neural network architectures // Neural Networks. 2005. Vol. 18, no. 5. P. 602-610.
  • Li X., Ye-Yi W., Alex A. Learning query intent from regularized click graphs // Proceedings of the 31st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. 2008. P. 339-346.
Статья научная