Досліджено проблему автоматичної класифікації багатовимірних об'єктів, а також розроблено нові методи й алгоритми для вирішення проблем, які виникають під час класифікації та кластеризації корпусу об'єктів, представлених числовими ознаками. Запропоновано метод для визначення числа кластерів у разі кластеризації корпусу об'єктів нейронною мережею Кохонена з застосуванням критерію якості одержаних розбиттів і методу ідеальної точки. Запропоновано метод побудови вектора ознак, розподілених за різнорідними групами, для класифікації об'єктів, представлених набором ознак, розподілених за різнорідними групами. Встановлено й обгрунтовано оцінки складності алгоритму пошуку оптимальної вибірки з урахуванням випадків наявності у вибірці прикладів з нерівномірним розподілом груп ознак. З застосуванням нейронної мережі прямого розповсюдження та запропонованого методу побудови вектора ознак розроблено автоматичну систему кластеризації текстів з використанням запропонованого методу визначення числа кластерів. Для розв'язання задач атрибуції художніх творів застосовано автоматичні системи класифікації та кластеризації. Виявлено ефективність розроблених систем для класифікації великих масивів текстів значних об'ємів.

  Скачати повний текст

Розглянуто системи обробки текстової інформації, системи електронних словників, їх структуру та можливості застосування у різноманітних інформаційних системах. Проаналізовано можливості сучасних засобів автоматизації лінгвістичних задач. Обгрунтовано застосування модифікованих скінченних автоматів для задач розпізнавання та класифікації. Розроблено інформаційну технологію, що реалізує автоматизоване перетворення структурованих текстів природної мови до їх електронної форми. Здійснено практичну перевірку її працездатності на прикладі словників-тезаурусів. Удосконалено модифікацію мови відкритої розмітки тексту XML для представлення словників-тезаурусів в електронній формі шляхом введення додаткових елементів у розмітку. Розроблено лексикографічний процесор для перетворення словників-тезаурусів до електронної форми. Розвинуто методику перетворення XML-опису словника в базу даних різних форматів.

  Скачати повний текст

Розглянуто задачу кластеризації політематичних текстових документів, основні методи обробки документів та існуючі методи їх кластеризації, визначено основні недоліки та переваги даних методів. Запропоновано адаптивну нечітку нейронну мережу, що самоорганізується, та ймовірнісний і можливісний методи її навчання, які дозволяють виконувати нечітку кластеризацію політематичних текстових документів, що в послідовному режимі надходять на вхід мережі, а також у процесі навчання знаходити нові кластери. Запропоновані методи навчання відрізняються своєю швидкодією та незначною обчислювальною складністю. Запропоновано модель нейро-нечіткої системи кластеризації політематичних текстових документів з нечітким виведенням на підставі комбінованого методу навчання. Набув подальшого розвитку метод навчання для нейронних мереж, що самоорганізуються, який дозволяє підвищити швидкість обробки інформації, покращити якість кластеризації за наявності кластерів, що перетинаються, шляхом використання нечіткого виведення. Запропоновано метод автоматичної кластеризації політематичних текстових документів на підставі генетичного алгоритму зі штучним відбором, який базується на комплекс-методі адаптаційної оптимізації та дозволяє знаходити екстремум довільних функцій великої кількості аргументів за умов істотної невизначеності щодо характеру даних функцій.

  Скачати повний текст

Розв'язано актуальну наукову задачу підвищення якості виділення смислових одиниц тексту (термінів) під час обробки електронних документів, що містять природно-мовні тексти, можливо з помилками. Розроблено концептуальну багаторівневу модель обробки тексту на базі поділу семантичних шарів, модель подання тексту через нечіткі характеристики семантичних складових тексту різного ступеня узагальнення смислу та метод узагальнення семантичного навантаження тексту за шарами символ - морфема - термін. Розроблений метод дозволяє розв'язувати задачу пошуку терміна у тексті з мінімумом помилок пропуску та задачу ідентифікації терміна з мінімумом помилок помилкового спрацювання. Розроблений метод може бути використаний під час розробки інформаційно-пошукових систем, систем категоризації та інших систем, що містять підсистеми морфологічного, термінологічного та семантичного аналізу.

  Скачати повний текст