Публікація: Застосування методів глибого навчання в задачах NPL: граматична корекція текстів
dc.contributor.author | Харченко, М. В. | |
dc.contributor.author | Рябова, Н. В. | |
dc.date.accessioned | 2025-04-25T05:46:46Z | |
dc.date.available | 2025-04-25T05:46:46Z | |
dc.date.issued | 2025 | |
dc.description.abstract | . Modern approaches to solving the problem of text Grammatical Error Correction (GEC), based on deep learning methods, are considered. The main algorithmic methods, including rule-based, dictionary-based and more recent neural network-based methods, are considered. The problem of regeneration of whole input sequence in sequence-to-sequence models is described. The sequence-to-edits method with an example of such architecture is described as a solution to the regeneration problem. A perspective approach to combining algorithmic and neural network methods is proposed. | |
dc.identifier.citation | Харченко М. В. Застосування методів глибого навчання в задачах NPL: граматична корекція текстів / М. В. Харченко, Н. В. Рябова // Радіоелектроніка та молодь у XXI столітті : матеріали 29-го Міжнар. молодіж. форуму, 16–19 квітня 2025 р. – Харків : ХНУРЕ, 2025. – Т. 6 – С. 76-78. | |
dc.identifier.uri | https://openarchive.nure.ua/handle/document/30701 | |
dc.language.iso | uk | |
dc.publisher | ХНУРЕ | |
dc.subject | глибоке навчання | |
dc.subject | граматична корекція | |
dc.subject | NPL | |
dc.title | Застосування методів глибого навчання в задачах NPL: граматична корекція текстів | |
dc.type | Thesis | |
dspace.entity.type | Publication |
Файли
Оригінальний пакет
1 - 1 з 1
Завантаження...
- Назва:
- PiM_2025_T6_KN_76-78.pdf
- Розмір:
- 152.81 KB
- Формат:
- Adobe Portable Document Format
Ліцензійний пакет
1 - 1 з 1
Немає доступних мініатюр
- Назва:
- license.txt
- Розмір:
- 9.55 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: