Дослідження продуктивності нейромережевих моделей при семантичному аналізі тексту

Abstract

Метою кваліфікаційної роботи є створення гібридної моделі, яка надає можливість розпізнання мовлення, перетворення наявних даних в текст і останнім етапом проведення сумаризації даного тексту, що містить лекційний матеріал, в текстовий вигляд, зберігаючи лише важливу змістовну частину лекції. А також порівняти ефективність нейромережевих моделей використаних в розробці запропонованої системи на різних GPGPU. У ході виконання кваліфікаційної роботи було проведено дослідження параметрів, які повинна задовольняти система розпізнавання голосу та система сумаризації тексту. Також були розглянуті існуючі методи обробки NLP у випадку з перетворенням мовлення в текст і його сумаризації. На підставі проведеного дослідження був запропонований та розроблений комплекс обробки вхідних аудіозаписів та їх сумаризації. В процесі розробки системи було проведено порівняння розпізнавання мовлення англійською і українською мовами за допомогою використання моделі, яка розроблена з використанням згорткової нейроної мережі. А також проведено сумаризації текстів на вище вказаних мовах, з використанням новітньої моделі від компанії Google.