Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/27995
Назва: | Технології машинного навчання для класифікації LinkedIn-профілів IT-спеціалістів |
Інші назви: | Technologies of computer-aided learning for IT specialist of LinkedIn accounts classification. |
Автори: | Сидор, Віктор Едуардович |
Приналежність: | Тернопільський національний Технічний Університет імені Івана Пулюя |
Бібліографічний опис: | Сидор В. Е. Технології машинного навчання для класифікації LinkedIn-профілів IT-спеціалістів : автореферат дипломної роботи магістра за спеціальністю „122 — комп’ютерні науки“/ В. Е. Сидор. — Тернопіль: ТНТУ, 2019. — 5 с. |
Дата публікації: | тра-2019 |
Дата внесення: | 22-тра-2019 |
Країна (код): | UA |
Місце видання, проведення: | м. Тернопіль, вул. Руська, 56, навчальний корпус №1, ауд. 701 |
Науковий керівник: | Фриз, Михайло Євгенович |
Члени комітету: | Дячук, Степан Федорович |
УДК: | 519.2 |
Теми: | 122 комп’ютерні науки Машинне навчання Класифікація LinkedIn профілі |
Кількість сторінок: | 5 |
Короткий огляд (реферат): | У дипломній роботі досліджено технології машинного навчання для вирішення проблеми класифікації LinkedIn-профілів IT-спеціалістів, алгоритмами текстової класифікації. Створено інформаційну систему, яка включає парсер, навчальний набір та класифікатор. Здійснено порівняння та вибір найкращого алгоритму класифікації для коротких текстів. В першому розділі досліджено аналіз проблеми класифікації LinkedIn-профілів. Розглянуто технології машинного навчання, види машинного навчання. Описано текстовий класифікатор, та розглянуто дев'ять алгоритмів класифікації, які використані у дипломній роботі. В другому розділі описано структурну схему інформаційної системи, обґрунтовано вибір мови програмування та бібліотек для реалізації поставного завдання. Створено та описано процес роботи парсера, навчальної бази, класифікатора. В третьому розділі здійснено порівняння алгоритмів класифікації та вибрано найкращий класифікатор для класифікації LinkedIn-профілів чи коротких текстів. Вибір ґрунтувався на основі ефективності Парето та цільової функції. |
URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/27995 |
Перелік літератури: | 1. Сидор В. Е. Аналіз особливостей класифікаторів тексту / Сидор В. Е. Тези доповіді на ІІ Міжнародній студентській науково-технічна конференція «Природничі та гуманітарні науки. Актуальні питання». – Тернопіль, ТНТУ, 2019. – с. 403. 2. Сидор В. Е. Обґрунтування вибору інструментів для класифікації тексту / Сидор В. Е. Тези доповіді на ІІ Міжнародній студентській науково-технічна конференція «Природничі та гуманітарні науки. Актуальні питання». – Тернопіль, ТНТУ, 2019. – с. 403. 3. Сидор В. Е. Порівняння методів Naive Bayes, Multinomial Naive Bayes та Bernoulli Naive Bayes для задачі класифiкації LinkedIn профілів / Сидор В. Е. Тези доповіді на ІІ Міжнародній студентській науково-технічна конференція «Природничі та гуманітарні науки. Актуальні питання». – Тернопіль, ТНТУ, 2019. – с. 403. |
Тип вмісту: | Thesis Abstract |
Розташовується у зібраннях: | 122 — комп’ютерні науки |
Файли цього матеріалу:
Файл | Опис | Розмір | Формат | |
---|---|---|---|---|
Автореферат.pdf | 439,96 kB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора