Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/12795
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Малафеев Алексей Юрьевич | ru_RU |
dc.contributor.author | Рощина Наталия Юрьевна | ru_RU |
dc.contributor.author | Roshchina Nataliia | en_GB |
dc.contributor.editor | Митрофанова Ольга Александровна | ru_RU |
dc.contributor.editor | Mitrofanova Olga Аleksаndrovnа | en_GB |
dc.date.accessioned | 2018-07-26T15:18:55Z | - |
dc.date.available | 2018-07-26T15:18:55Z | - |
dc.date.issued | 2018 | |
dc.identifier.other | 058481 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/12795 | - |
dc.description.abstract | Выпускная квалификационная работа посвящена оценке эффективности методов дистрибутивной семантики при распознавании парафразов в русскоязычных текстах. Теоретической основой исследования является анализ механизмов перефразирования и подходов к автоматической идентификации парафразов. Практическое содержание исследования состоит в проведении и обработке результатов серии экспериментов по оценке семантической близости пар новостных заголовков на материале русскоязычного корпуса Paraphraser. Векторные представления заголовков получены с помощью алгоритмов семейства word2vec (CBOW, Skip-gram). Для каждой языковой модели подобраны пороговые значения, разделяющие парафразы и не-парафразы, вычислена погрешность и проведён анализ допущенных ошибок. | ru_RU |
dc.description.abstract | The master thesis is devoted to the evaluation of distributive semantic methods for paraphrase recognition. Theoretical background of our project implies the study of paraphrasing techniques and approaches to automatic identification of paraphrases. Practical content of research deals with a series of experiments aimed at measuring semantic similarity of news headlines pairs from Paraphraser corpus. We used word2vec models (CBOW, Skip-gram) in order to obtain distributed vector representations of target phrases. For each model we defined the threshold value which separates paraphrases and non-paraphrases, we calculated precision, recall and F-measure. Error analysis was also performed. | en_GB |
dc.language.iso | ru | |
dc.subject | распознавание парафразов | ru_RU |
dc.subject | дистрибутивная семантика | ru_RU |
dc.subject | word2vec | ru_RU |
dc.subject | новостные заголовки | ru_RU |
dc.subject | русский язык | ru_RU |
dc.subject | paraphrase recognition | en_GB |
dc.subject | distributional semantics | en_GB |
dc.subject | word2vec | en_GB |
dc.subject | news headlines | en_GB |
dc.subject | Russian language | en_GB |
dc.title | Automatic paraphrases recognition in the text corpus of Russian language | en_GB |
dc.title.alternative | Автоматическое распознавание парафразов в русскоязычном корпусе текстов | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
VKR_Roshchina.rtf | Article | 7,15 MB | RTF | Просмотреть/Открыть |
reviewSV_otzyv_NatashaRoshhina.doc | ReviewSV | 36,5 kB | Microsoft Word | Просмотреть/Открыть |
reviewSV_Roshhina_Recenziya.PDF | ReviewRev | 3,4 MB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.