Публікація:
Методи та моделі семантичного анотування текстових документів з використанням штучних нейронних мереж

Немає доступних мініатюр

Дата

2011

Назва журналу

ISSN журналу

Назва тома

Видавництво

Дослідницькі проекти

Організаційні підрозділи

Видання журналу

Анотація

Дисертацію присвячено розробці методів та моделей семантичного анотування текстових документів з використанням штучних нейронних мереж. Вперше запропоновано ієрархічну радіально-базисну нейронну мережу з багатошаровою архітектурою, що дозволяє знизити кількість ознак, які надходять на вхід кожного шару при обмеженій навчальній вибірці для формування семантичних анотацій текстових документів. Вперше запропоновано ймовірнісні нейронні мережі спеціального виду, які є гібридами стандартної ймовірнісної та узагальненої регресійної нейронних мереж, а також самоорганізовних мап Кохонена. Це дозволяє визначити ймовірності належності вхідного текстового об’єкта до кожного з класів онтології предметної області, формувати семантичні анотації в послідовному режимі по мірі надходження текстових документів та забезпечує високу швидкість обробки інформації. Вперше запропоновано ймовірнісну модель семантичного анотування на основі введення в моделі опису RDF-структур ймовірнісної складової, що забезпечує оцінку відношення текстових даних щодо поточної онтології та можливість виведення нових знань. Набула подальшого розвитоку модель семантичного анотування з урахуванням бінарних виходів штучних нейронних мереж. The thesis is devoted to developing methods and models for semantic annotation of text documents using artificial neural networks. The problem of semantic annotation for text documents, the main methods of text processing to form the semantic annotations, the main advantages and disadvantages of these approaches are investigated. Hierarchical radial-basis function neural network with a multilayered architecture, which uses the same type of each node in the radial basic function neural network, thus reducing the number of attributes that to the input of each layer with a limited training set to generate semantic annotation of text documents is developed. Probabilistic neural networks, a special form, namely, modified and competition, are developed as a hybrid of the standard probabilistic and generalized regression neural networks, as well as self-organizing Kohonen maps. It can determine the probability of belonging for the input text object to each of the possible classes of the domain ontology, handle text documents in sequential mode, as they become available, and provide easy of implementation and speed of information processing. Binary and probabilistic semantic annotation models used information from the text processing by artificial neural networks are developed. Experiments of range of real-world problems solving are carried out. Effectiveness of the proposed semantic annotation models and methods application is shown on their basis.

Опис

Ключові слова

семантична анотація, штучні нейронні мережі, методи навчання, ймовірність належності, багатошарова архітектура, semantic annotation, artificial neural networks, learning methods, the probability belonging, multilayered architecture

Бібліографічний опис

Шубкіна О. В. Методи та моделі семантичного анотування текстових документів з використанням штучних нейронних мереж : автореф. дис. ... канд. техн. наук : 05.13.23 "Системи та засоби штучного інтелекту" / Шубкіна Ольга Василівна ; Харьк. нац. ун-т радиоэлектроники. – Х., 2011. – 22 с.

DOI

Колекції