Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://elar.urfu.ru/handle/10995/140520
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Сорокин, А. К. | ru |
dc.contributor.advisor | Sorokin, A. K. | en |
dc.contributor.author | Максимов, С. В. | ru |
dc.contributor.author | Maksimov, S. V. | en |
dc.date.accessioned | 2025-01-09T11:19:03Z | - |
dc.date.available | 2025-01-09T11:19:03Z | - |
dc.date.issued | 2024 | - |
dc.identifier.citation | Максимов, С. В. Оценка динамичности и энергичности текста в художественных произведениях (ЭКСМО) : магистерская диссертация / С. В. Максимов ; Уральский федеральный университет имени первого Президента России Б. Н. Ельцина, Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления. — Екатеринбург, 2024. — 60 с. — Библиогр.: с. 56-60 (34 назв.). | ru |
dc.identifier.uri | http://elar.urfu.ru/handle/10995/140520 | - |
dc.description.abstract | Исследование продемонстрировало, что методы машинного обучения могут успешно применяться для качественного анализа литературных произведений. Полученные данные свидетельствуют о высокой точности и надежности предложенных подходов. Это открывает широкие возможности для дальнейшего развития и применения данных технологий в филологических исследованиях и литературной критике. | ru |
dc.description.abstract | The research demonstrated that machine learning methods can be successfully applied for qualitative analysis of literary works. The obtained data indicate high precision and reliability of the proposed approaches. This paves the way for further development and application of these technologies in philological studies and literary criticism. | en |
dc.format.mimetype | application/pdf | en |
dc.language.iso | ru | en |
dc.publisher | б. и. | ru |
dc.rights | Предоставлено автором на условиях простой неисключительной лицензии | ru |
dc.rights.uri | http://elar.urfu.ru/handle/10995/31613 | en |
dc.subject | MASTER'S THESIS | en |
dc.subject | MACHINE LEARNING | en |
dc.subject | NATURAL LANGUAGE PROCESSING | en |
dc.subject | TEXT ANALYSIS | en |
dc.subject | CLASSIFICATION | en |
dc.subject | FEATURE ENGINEERING | en |
dc.subject | NEURAL NETWORKS | en |
dc.subject | HYPERPARAMETER TUNING | en |
dc.subject | MACHINE LEARNING METRICS | en |
dc.subject | МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ | ru |
dc.subject | МАШИННОЕ ОБУЧЕНИЕ | ru |
dc.subject | ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА | ru |
dc.subject | АНАЛИЗ ТЕКСТА | ru |
dc.subject | КЛАССИФИКАЦИЯ | ru |
dc.subject | СОЗДАНИЕ ПРИЗНАКОВ | ru |
dc.subject | НЕЙРОННЫЕ СЕТИ | ru |
dc.subject | ПОДБОР ГИПЕРПАРАМЕТРОВ | ru |
dc.subject | МЕТРИКИ МАШИННОГО ОБУЧЕНИЯ | ru |
dc.title | Оценка динамичности и энергичности текста в художественных произведениях (ЭКСМО) : магистерская диссертация | ru |
dc.title.alternative | Assessment of Text Dynamism and Energy in Literary Works (EKSMO) | en |
dc.type | Master's thesis | en |
dc.type | info:eu-repo/semantics/publishedVersion | en |
dc.type | info:eu-repo/semantics/masterThesis | en |
dc.thesis.level | Магистр | ru |
dc.contributor.department | УрФУ. Институт радиоэлектроники и информационных технологий-РТФ | ru |
dc.thesis.speciality | 09.04.01 - Информатика и вычислительная техника | ru |
dc.contributor.subdepartment | Кафедра информационных технологий и систем управления | ru |
Располагается в коллекциях: | Магистерские диссертации |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
m_th_s.v.maksimov_2024.pdf | 1,78 MB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.