Кузнецов Игорь Александрович Методы и алгоритмы машинного обучения для предобработки и классификации слабоструктурированных текстовых данных в научных рекомендательных системах

brief description

Кузнецов Игорь Александрович Методы и алгоритмы машинного обучения для предобработки и классификации слабоструктурированных текстовых данных в научных рекомендательных системах
ОГЛАВЛЕНИЕ ДИССЕРТАЦИИ
кандидат наук Кузнецов Игорь Александрович
ВВЕДЕНИЕ

Глава 1. Анализ рекомендательных систем и место алгоритмов машинного обучения в них

1.1. Существующие виды рекомендательных систем

1.2. Особенности научных рекомендательных систем

1.3. Пертинентность информации

1.4. Место задачи классификации при обработке данных на основе машинного обучения

1.5. Сравнительный анализ методов классификации

1.6. Постановка задачи диссертационного исследования

1.7. Выводы по первой главе

Глава 2. Метод обогащения признакового пространства с помощью выявления вида научного результата

2.1. Особенности научных «Больших данных»

2.2. Расширение онтологии научной деятельности для научной рекомендательной системы

2.3. Разработка метода выявления вида научных результатов на основе параметрического подхода

2.4. Разработка алгоритма выявления вида научного результата

2.5. Экспериментальные результаты применения алгоритма выявления вида научного результата

2.6. Выводы по второй главе

Глава 3. Ансамбль алгоритмов классификации для слабоструктурированных текстовых научных данных

3.1. Существующие подходы к формированию ансамблей алгоритмов

3.2. Предлагаемый ансамблевый метод классификации на основе энтропии с использованием базовых алгоритмов машинного обучения

3.3. Результаты экспериментального исследования ансамблевого метода классификации на основе энтропии

3.4. Выводы по третьей главе

Глава 4. Внедрение разработанных алгоритмов

4.1. Разработка программно-технических решений повышения пертинентности информации

4.2. Структура программно-технического решения повышения пертинентности информации

4.2.1. Перечень разработанных подсистем

4.2.2. Архитектура системы

4.3. Выводы по четвертой главе

Глава 5. Оценка пертинентности научных рекомендательных систем при использовании разработанных методов

5.1. Информационная система Международный конгресс конференций «ИТО»

5.2. Ранжирование поисковой выдачи в соответствии с потребностью пользователя

5.3. Выводы по пятой главе

Заключение

Список использованных источников

Приложение 1. Акты об использовании результатов диссертационной работы

Приложения 2. Свидетельства о государственной регистрации баз данных

Приложения 3. Свидетельства о государственной регистрации программы для ЭВМ