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.authorКуцаева Т. О.
dc.contributor.authorСолдатова О. П.
dc.contributor.authorСоловьева Я. В.
dc.coverage.spatialэмоциональная окраска текстов
dc.coverage.spatialклассификация текста
dc.coverage.spatialмногослойный персептрон
dc.coverage.spatialрекуррентные нейронные сети
dc.coverage.spatialмашинное обучение
dc.coverage.spatialлогистическая регрессия
dc.coverage.spatialнейронные сети
dc.creatorКуцаева Т. О.
dc.date2020
dc.date.accessioned2025-11-27T12:24:52Z-
dc.date.available2025-11-27T12:24:52Z-
dc.date.issued2020
dc.identifier.identifierRU\НТБ СГАУ\ВКР20200909163334
dc.identifier.citationКуцаева, Т. О. Решение задачи определения эмоциональной окраски текста при помощи нейронных сетей : вып. квалификац. работа по направлению подгот. 09.04.01 "Информатика и вычислительная техника" (уровень магистратуры) / Т. О. Куцаева ; рук. работы О. П. Солдатова ; нормоконтролер Я. В. Соловьева ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Фак-т информати. - Самара, 2020. - on-line
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/51086-
dc.description.abstractЦелью данной выпускной квалификационной работы магистра являетсярешение задачи определения эмоциональной окраски текста при помощинейронных сетей и сравнение результатов с решением задачи при помощимодели логистической регрессии.Реализованы следующие модели машинного обучения:- логистическая регрессия;- многослойный персептрон;- рекуррентная сеть LSTM.Для обучения классификаторов используются 35000 примеров рецензийфильмов, из которых 17500 положительных примеров и 17500 отрицательных.Выборка валидации состоит из 5000 примеров. Для тестирования используется10000 рецензий на фильмы с размеченными данными эмоциональной окраски.Система реализована с помощью средств языка программирования Python3.6.9 в оболочке для вычислений Jupyter Notebook с использованием библиотекс открытым кодом TensorFlow 2.2.0 и Keras 2.3.0 для обучения нейронных сетей.
dc.subjectклассификация текста
dc.subjectлогистическая регрессия
dc.subjectмашинное обучение
dc.subjectмногослойный персептрон
dc.subjectнейронные сети
dc.subjectрекуррентные нейронные сети
dc.subjectэмоциональная окраска текстов
dc.subject.rugasnti50.01
dc.subject.udc004.032.26
dc.titleРешение задачи определения эмоциональной окраски текста при помощи нейронных сетей
dc.typeText
local.contributor.authorМинистерство науки и высшего образования Российской Федерации
local.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
local.contributor.authorИнститут информатики
local.contributor.authorматематики и электроники
local.identifier.oldurihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Reshenie-zadachi-opredeleniya-emocionalnoi-okraski-teksta-pri-pomoshi-neironnyh-setei-vyp-kvalifikac-rabota-po-napravleniu-podgot-090401-Informatika-i-vychislitelnaya-tehnika-uroven-magistratury-87347
Appears in Collections:Выпускные квалификационные работы

Files in This Item:
File SizeFormat 
Куцаева_Таисия_Олеговна_Решение_задачи_определения_эмоциональной.pdf3.5 MBAdobe PDFView/Open    Request a copy
Show simple item record


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