1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
2. Матеріали конференцій, семінарів, читань
3. 2020
4. VIII науково-технічна конференція „Інформаційні моделі, системи та технології“ (2020)

Назва:	Проблема аналізу повідомлень з метою виявлення екстремістської інформації в мережі інтернет
Інші назви:	The problem of analysis of messages for the purpose of detecting extremistic information on the internet
Автори:	Жаврук, Р. А. Zhavruk, R.
Приналежність:	Тернопільський національний технічний університет імені Івана Пулюя
Бібліографічний опис:	Жаврук Р. А. Проблема аналізу повідомлень з метою виявлення екстремістської інформації в мережі інтернет / Р. А. Жаврук // Матеріали Ⅷ науково-технічної конференції „Інформаційні моделі, системи та технології“, 9-10 грудня 2020 року. — Т. : ТНТУ, 2020. — С. 35. — (Інформаційні системи та технології).
Bibliographic description:	Zhavruk R. (2020) Problema analizu povidomlen z metoiu vyiavlennia ekstremistskoi informatsii v merezhi internet [The problem of analysis of messages for the purpose of detecting extremistic information on the internet]. Materialy Ⅷ naukovo-tekhnichnoi konferentsii "Informatsiini modeli, systemy ta tekhnolohii" (Tern., 9-10 December 2020), pp. 35 [in Ukrainian].
Є частиною видання:	Матеріали Ⅷ науково-технічної конференції „Інформаційні моделі, системи та технології“, 2020
Конференція/захід:	Ⅷ науково-технічна конференція „Інформаційні моделі, системи та технології“
Журнал/збірник:	Матеріали Ⅷ науково-технічної конференції „Інформаційні моделі, системи та технології“
Дата публікації:	9-гру-2020
Дата внесення:	3-бер-2021
Видавництво:	ТНТУ TNTU
Місце видання, проведення:	Тернопіль Ternopil
Часове охоплення:	9-10 грудня 2020 року 9-10 December 2020
УДК:	004.912
Кількість сторінок:	1
Діапазон сторінок:	35
Початкова сторінка:	35
Кінцева сторінка:	35
URI (Уніфікований ідентифікатор ресурсу):	http://elartu.tntu.edu.ua/handle/lib/34365
Власник авторського права:	© Тернопільський національний технічний університет імені Івана Пулюя, 2020
Перелік літератури:	1. B. O. Bliznyuk, L. V. Vasiliev, I. D. Strelnikov, D. S. Tkachuk. Modern methods of natural language processing. Bulletin of Kharkiv National University named after V. N. Karazin, 2017. 2. A.Yu. Perevalova. The use of clustering method for information resource classification. Siberian State Aerospace University named after academician M. F. Reshetnev, 2013. 3. Адуенко А. А., Кузьмин А. А., Стрижов В. В. Выбор признаков и оптимизация метрики при кластеризации коллекции документов //Известия Тульского государственного университета. Естественные науки. – 2012. – №. 3. 4. Milos Ilic, Petar Spalevic, Mladen Veinovic. Suffix Tree Clustering – Data mining algorithm. Faculty of Technical Science Kosovska Mitrovica, University of Pristina-temporally seated in Kosovska Mitrovica Faculty of Informatics and Computing, Singidunum University, Belgrade, 2014. 5. Пархоменко П. А., Григорьев А. А., Астраханцев Н. А. Обзор и экспериментальное сравнение методов кластеризации текстов //Труды Института системного программирования РАН. – 2017. – Т. 29. – №. 2. 6. Чугаинов К. В. Методы тематической кластеризации новостных статей //Научно-практические исследования. – 2017. – №. 2. – С. 295-298. 7. Han H., Jung H., Eom H., Yeom H.Y. Scatter-Gather-Merge: An Efficient Star-join Query Processing Algorithm for Data-parallel Frameworks. Cluster Computing, 2011. 8. Андреев А. М., Березкин Д. В., Козлов И. А. Подход к автоматизированному мониторингу тем на основе обнаружения событий в потоке текстовых документов //Информационно-измерительные и управляющие системы. – 2017. – Т. 15. – №. 3. – С. 49-60. 9. Antropov V. V.. Application of k-means and g-means clustering algorithms in objects recognition. St. Petersburg Mining University, 2017
References:	1. B. O. Bliznyuk, L. V. Vasiliev, I. D. Strelnikov, D. S. Tkachuk. Modern methods of natural language processing. Bulletin of Kharkiv National University named after V. N. Karazin, 2017. 2. A.Yu. Perevalova. The use of clustering method for information resource classification. Siberian State Aerospace University named after academician M. F. Reshetnev, 2013. 3. Aduenko A. A., Kuzmin A. A., Strizhov V. V. Vybor priznakov i optimizatsiia metriki pri klasterizatsii kollektsii dokumentov //Izvestiia Tulskoho hosudarstvennoho universiteta. Estestvennye nauki, 2012, №. 3. 4. Milos Ilic, Petar Spalevic, Mladen Veinovic. Suffix Tree Clustering – Data mining algorithm. Faculty of Technical Science Kosovska Mitrovica, University of Pristina-temporally seated in Kosovska Mitrovica Faculty of Informatics and Computing, Singidunum University, Belgrade, 2014. 5. Parkhomenko P. A., Hrihorev A. A., Astrakhantsev N. A. Obzor i eksperimentalnoe sravnenie metodov klasterizatsii tekstov //Trudy Instituta sistemnoho prohrammirovaniia RAN, 2017, V. 29, №. 2. 6. Chuhainov K. V. Metody tematicheskoi klasterizatsii novostnykh statei //Nauchno-prakticheskie issledovaniia, 2017, №. 2, P. 295-298. 7. Han H., Jung H., Eom H., Yeom H.Y. Scatter-Gather-Merge: An Efficient Star-join Query Processing Algorithm for Data-parallel Frameworks. Cluster Computing, 2011. 8. Andreev A. M., Berezkin D. V., Kozlov I. A. Podkhod k avtomatizirovannomu monitorinhu tem na osnove obnaruzheniia sobytii v potoke tekstovykh dokumentov //Informatsionno-izmeritelnye i upravliaiushchie sistemy, 2017, V. 15, №. 3, P. 49-60. 9. Antropov V. V.. Application of k-means and g-means clustering algorithms in objects recognition. St. Petersburg Mining University, 2017
Тип вмісту:	Conference Abstract
Розташовується у зібраннях:	VIII науково-технічна конференція „Інформаційні моделі, системи та технології“ (2020)

Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.