Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/25695
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Анфиногенов Сергей Олегович | ru_RU |
dc.contributor.advisor | Anfinogenov Sergej Olegovic | en_GB |
dc.contributor.author | Пискунова Анна Сергеевна | ru_RU |
dc.contributor.author | Piskunova Anna Sergeevna | en_GB |
dc.contributor.editor | Малинина Мария Анатольевна | ru_RU |
dc.contributor.editor | Malinina Maria Anatolevna | en_GB |
dc.date.accessioned | 2021-03-24T15:07:45Z | - |
dc.date.available | 2021-03-24T15:07:45Z | - |
dc.date.issued | 2019 | |
dc.identifier.other | 031320 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/25695 | - |
dc.description.abstract | В работе рассмаривается автоматизация определения уровня сложности английского текста путем машинного обучения. За шкалу сложности принято соответствие общепринятым в методике CEFR уровням владения иностранным языком: Elementary(Beginner), Pre-intermediate, Intermediate, Advanced. Работа изложена на 43 страницах. В математической постановке задачи приведена математическая модель текстов и рассмотрены алгоритмы классификации и кластеризации текстов: классификатор Байеса, «Случайный лес», деревья решений, множественная линейная регрессия, алгоритм Краскала. Автор работы показал, чтопоставленную задачу можно решать автоматически: один из рассматриваемых методов, классификатор Байеса, показывает достаточно точный результат. Подобранные характеристические функции, определяющие векторную модель текста, хорошо подходят для автоматической классификации. | ru_RU |
dc.description.abstract | Automatic determination of the complexity of English texts according to CEFR levels is considered in the paper. There are 4 levels: Elementary (Beginner), Pre-intermediate, Intermediate, Advanced. The work is presented on 43 pages.In the chapter devoted to the mathematical problem, the mathematical model, classification and clustering algoritmhs are presented, as follows: Bayesian learning, «Random forest», decision trees, multiple linear regression, Kruskal`s algoritm. Author of the work has demonstrated, that the aim can be achieved automatically. One of the methods described in the paper, Bayesian learning, is giving reasonably accurate result. Selected characteristic functions that determine the vector model of a text are well suited for automatic classification. | en_GB |
dc.language.iso | ru | |
dc.subject | автоматическая классификация | ru_RU |
dc.subject | машинное обучение | ru_RU |
dc.subject | работа с текстом | ru_RU |
dc.subject | метод Байеса | ru_RU |
dc.subject | деревья решений | ru_RU |
dc.subject | automatic classification | en_GB |
dc.subject | machine learning | en_GB |
dc.subject | text processing | en_GB |
dc.subject | Bayesian method | en_GB |
dc.subject | decision trees | en_GB |
dc.title | Automatic determination of the complexity of English texts according to CEFR levels | en_GB |
dc.title.alternative | Автоматическое определение уровня сложности английских текстов по шкале CEFR | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
diplom_magistr.pdf | Article | 1,36 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_piskunova.jpg | ReviewSV | 4,41 MB | JPEG | ![]() Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.