Бенчмаркинг коллекций научных журналов (Федор Краснов, SECR-2019) — различия между версиями
Материал из 0x1.tv
StasFomin (обсуждение | вклад) |
StasFomin (обсуждение | вклад) (Batch edit: replace PCRE (\n\n)+(\n) with \2) |
||
| (не показаны 2 промежуточные версии этого же участника) | |||
[[File:Бенчмаркинг коллекций научных журналов (Федор Краснов, SECR-2019).pdf|left|page=-|300px]]
{{----}}
[[File:{{#setmainimage:Бенчмаркинг коллекций научных журналов (Федор Краснов, SECR-2019)!.jpg}}|center|640px]]
{{LinksSection}}
* [https://2019.secrus.org/program/submitted-presentations/benchmarking-collections-of-scientific-journals/ Talks page on SECR site]
<!-- <blockquote>[©]</blockquote> -->
{{vklink|1484}}
{{fblink|2491163234470016}}
<references/>
<!-- topub -->
[[Категория:SECR-2019]]
[[Категория:Natural Language Processing]]
[[Категория:Machine Learning]]
{{stats|disqus_comments=0|refresh_time=2020-07-18T22:24:202021-08-31T16:51:12.197417618496|vimeo_plays=8|youtube_comments=0|youtube_plays=14}}7}} | |||
Текущая версия на 12:20, 4 сентября 2021
- Докладчик
- Федор Краснов
Доклад о применении интеллектуального анализа текста для решения задач издательского бизнеса. Поиск постановки задачи, методов анализа, построения моделей, оптимизация свободных параметров и подготовка для создания продукта.
Польза доклада в том, что постановку задачи всегда нужно искать самому, т.к. ждать, что кто-то поставит задачу, подготовит данные – не продуктивно. Фундаментальное понимание работы моделей необходимо, но важнее уметь применять модели к нестандартным ситуациям.
Сейчас можно получить работу, умея лишь запустить стандартный метод из открытой библиотеки. Но через 5 лет уже будет не так. Нужно будет понимать формулы за этим методом, уметь придумать и написать нестандартную нормализацию или нестандартную cost function для этого случая и многое другое.
Авторами предложена новая методика для парного сравнения коллекций научных статей с помощью тематической модели.
Разработанная методика получила название Сравнительного Тематического Анализа (СТА). СТА позволяет получить не только количественную оценку похожести коллекций, но и структурные различия сравниваемых коллекций, как в количественном виде, так и с помощью средств визуализации, разработанных авторами.
В данном исследовании проведено сравнение существующих подходов к тематическому моделированию применительно к рассматриваемой задаче сравнения коллекций научных статей. Рассмотрены вероятностные и генеративные тематические модели.
Видео
Посмотрели доклад? Понравился? Напишите комментарий! Не согласны? Тем более напишите.
Презентация
!.jpg)
Примечания и ссылки
Plays:25 Comments:0