1. Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
  2. 05. Выпускные квалификационные работы
  3. Выпускные квалификационные работы
Full metadata record
DC FieldValueLanguage
dc.contributor.authorКривов Д. А.
dc.contributor.authorБондаренко В. В.
dc.contributor.authorОсипов М. Н.
dc.coverage.spatialTF-IDF
dc.coverage.spatialWord2vec
dc.coverage.spatialгендер
dc.coverage.spatialгендерная лингвистика
dc.coverage.spatialидентификация личности по тексту
dc.coverage.spatialматематические методы в лингвистике
dc.coverage.spatialмашинное обучение
dc.coverage.spatialметод опорных векторов
dc.coverage.spatialмешок слов
dc.coverage.spatialпол
dc.coverage.spatialтемперамент личности
dc.coverage.spatialэлектронные сообщения
dc.creatorКривов Д. А.
dc.date2025
dc.date.accessioned2025-11-26T13:54:58Z-
dc.date.available2025-11-26T13:54:58Z-
dc.date.issued2025
dc.identifier.identifierRU\НТБ СГАУ\ВКР20250217133515
dc.identifier.citationКривов, Д. А. Применение методов машинного обучения для идентификации личности автора электронного сообщения : вып. квалификац. работа по спец. 10.05.01 "Компьютерная безопасность" (уровень специалитета) / Д. А. Кривов ; рук. работы В. В. Бондаренко ; нормоконтролер М. Н. Осипов ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т естеств. и ма. - Самара, 2025. - 1 файл (829 Кб). - Текст : электронный
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/44830-
dc.description.abstractРассмотрены методы классификации текста. Проанализированы основные методы векторизации, к которым можно отнести методы «Мешок слов», «TF-IDF» и «Word2vec». Проанализированы основные этапы реализации предобработки текста, необходимые для того, чтобы текст стал пригодным для работы разработанной программы с сообщениями из мессенджера Telegram. Разработана программа профилирования автора электронного сообщения. Проведен анализ полученных результатов после обучения программы двумя методами. На основе этого выявлена зависимость количества слов в памяти программы от точности ее работы. В результате работы создан чат-бот в мессенджере Telegram, в котором реализованы функции программы профилирования автора электронного сообщения. Точность работы программы составила 81%, 71% и 69% при определении пола, возраста и темперамента автора текста соответственно. Эффективность работы заключается в разработке программы для идентификации личности автора текста при помощи методов машинного обучения и определения минимального кол
dc.subjectматематические методы в лингвистике
dc.subjectидентификация личности по тексту
dc.subjectгендерная лингвистика
dc.subjectгендер
dc.subjectWord2vec
dc.subjectTF-IDF
dc.subjectэлектронные сообщения
dc.subjectтемперамент личности
dc.subjectпол
dc.subjectмешок слов
dc.subjectметод опорных векторов
dc.subjectмашинное обучение
dc.subject.rugasnti28.23.15
dc.subject.udc004.93
dc.titleПрименение методов машинного обучения для идентификации личности автора электронного сообщения
dc.typeText
local.contributor.authorИнститут естественных и математических наук
local.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
local.contributor.authorМинистерство науки и высшего образования Российской Федерации
local.identifier.oldurihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Primenenie-metodov-mashinnogo-obucheniya-dlya-identifikacii-lichnosti-avtora-elektronnogo-soobsheniya-114343
local.identifier.oldurihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Primenenie-metodov-mashinnogo-obucheniya-dlya-identifikacii-lichnosti-avtora-elektronnogo-soobsheniya-114343
Appears in Collections:Выпускные квалификационные работы

Files in This Item:
File SizeFormat 
Кривов_Даниил_Андреевич_Применение_методов_машинного_обучения.pdf828.63 kBAdobe PDFView/Open    Request a copy
Show simple item record


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.