Применение методов машинного обучения при работе с литературными источниками
Автор: Артюхин Валерий Викторович
Журнал: Образовательные технологии и общество @journal-ifets
Статья в выпуске: 2 т.18, 2015 года.
Бесплатный доступ
В статье рассматриваются два примера применения методов машинного обучения, позволяющих существенно облегчить работу исследователя или преподавателя при поиске и анализе литературных источников. Кластеризация книг позволяет получить представление о структуре и содержании публикационной активности по определенной тематике. С другой стороны, применение описанной вариации алгоритма Луна для ранжирования предложений позволяет выделить «важное», с точки зрения исследователя и конкретного исследования, в отдельной статье или корпусе статей (например, полученных с помощью поиска в интернет-библиотеках), то есть сэкономить время на отбор и изучение материалов.
Литературные источники, машинное обучение, кластеризация, анализ биграмм, алгоритм луна
Короткий адрес: https://sciup.org/14062618
IDR: 14062618
Список литературы Применение методов машинного обучения при работе с литературными источниками
- Артюхин В. В. Базовый анализ социальных графов организаций в социальных сервисах на примере МЧС России//Международный электронный журнал «Образовательные технологии и общество (Educational Technology & Society)». 2013. № 2. -С. 562-580. ISSN 1436-4522. URL: http://ifets.ieee.org/russian/depository/v16_i2/pdf/15.pdf
- Артюхин В. В. Социальные сервисы в информационной деятельности МЧС России//Юбилейный сборник «Информационные технологии, связь и защита информации МЧС России -2015». Часть 2. Материалы территориальных органов, организаций и учебных заведений МЧС России. 2015. С. 90-94.
- Pólya, George. “How to Solve It”. Garden City, NY: Doubleday, 1957. -264 p.
- Соколова Е. Г. . Особенности подготовки терминов для русско-английского тезауруса по компьютерной лингвистике/Е. Г. Соколова, С. Ю. Семенова, И. С. Кононенко, Ю. А. Загорулько, О. Ф. Кривнова, В. П. Захаров.//Компьютерная лингвистика и интеллектуальные технологии: По материалам ежегодной Межд. конф. «Диалог» (Бекасово, 25-29 мая 2011 г.). 2011. Вып. 10 (17). -URL: http://www.dialog-21.ru/dialog2011/materials/html/62.htm (дата обращения 14.04.2015).
- Захаров В. П. Веб-пространство как языковой корпус//Компьютерная лингвистика и интеллектуальные технологии: Труды межд. конф. «Диалог'2005» (Звенигород, 1-6 июня, 2005 г.)/Под ред. И. М. Кобозевой, А. С. Нариньяни, В. П. Селегея. 2005. -URL: http://www.dialog-21.ru/archive/2005/zakharov%20v/zakharovv.htm (дата обращения 15.07.2015).
- Späth, H. Cluster Analysis Algorithms. Chichester: Ellis Horwood, 1980.
- Heinrich J., Weiskopf D. State of the Art of Parallel Coordinates//EUROGRAPHICS 2013. 2003. -URL: https://classes.soe.ucsc.edu/cmps261/Fall13/papers/hcmarsh/StateXofXtheXArtXofXParallelXCoordinates.pdf (дата обращения 14.04.2015).
- Luhn, H. P. The Automatic Creation of Literature Abstracts//IBM Journal. 1958. № 4. -pp. 159-165. -URL: http://courses.ischool.berkeley.edu/i256/f06/papers/luhn58.pdf (дата обращения 14.04.2015).
- Оборнева И. В. Автоматизация оценки качества восприятия текста//Вестник Московского городского педагогического университета. 2005. № 2.
- Miles, Matthew B., Huberman, A. Michael & Saldana, Johnny. Qualitative Data Analysis: A Methods Sourcebook. 3 ed. London: SAGE Publications, Inc., 2014. -384 p.
- Артюхин В. В., Чяснавичюс Ю. К. Планирование аналитического исследования при помощи методов анализа качественных данных//Прикладная информатика. 2014. № 2 (50). -С 23-48.
