Поиск :
Личный кабинет :
Электронный каталог: Шабунин Арсений Александрович - Разработка программного обеспечения для построения семантического графа на основе анализа контекс...
Шабунин Арсений Александрович - Разработка программного обеспечения для построения семантического графа на основе анализа контекс...
Нет экз.
Электронный ресурс
Автор: Шабунин Арсений Александрович
Разработка программного обеспечения для построения семантического графа на основе анализа контекс... : автореферат выпускной квалификационной работы : Бакалаврская работа
Издательство: Московский государственный психолого-педагогический университет, 2025 г.
ISBN отсутствует
Автор: Шабунин Арсений Александрович
Разработка программного обеспечения для построения семантического графа на основе анализа контекс... : автореферат выпускной квалификационной работы : Бакалаврская работа
Издательство: Московский государственный психолого-педагогический университет, 2025 г.
ISBN отсутствует
На полку
Электронный ресурс
Шабунин, Арсений Александрович.
Разработка программного обеспечения для построения семантического графа на основе анализа контекстного смысла терминов : автореферат выпускной квалификационной работы : Бакалаврская работа / Арсений Александрович Шабунин. – Москва : Московский государственный психолого-педагогический университет, 2025. – 5 с. – URL: http://psychlib.ru/inc/absid.php?absid=504796 . – 02.03.03 - Математическое обеспечение и администрирование информационных систем. Направленность программы "Информационные системы и базы данных".
Выпускная квалификационная работа посвящена автоматизации построения семантических графов для выявления смысловых связей между терминами в учебных текстах. Основой стала нейросетевая модель BERT, которая обеспечивает анализ контекста текста. В разработанный алгоритм входит токенизация, лемматизация, векторизация и расчет косинусного сходства между терминами, что позволяет формализовать текст в граф знаний. Практической реализацией стал программный продукт на Python с использованием библиотек SpaCy, Pymorphy2, SentenceTransformer, NetworkX, Pyvis и Gradio. Система включает модули анализа новых текстов и визуализации семантических связей по запросу пользователя.
The final qualifying work is devoted to automating the construction of semantic graphs to identify semantic links between terms in educational texts. The basis was the BERT neural network model, which provides text context analysis. The developed algorithm includes tokenization, lemmatization, vectorization, and calculation of cosine similarity between terms, which allows you to formalize the text into a graph of knowledge. A Python software product using the libraries SpaCy, Pymorphy2, SentenceTransformer, and Networks became a practical implementation., Pyvis and Gradio. The system includes modules for analyzing new texts and visualizing semantic connections at the user`s request.
Общий = Математика
Общий = Информатика, вычислительная техника
Шабунин, Арсений Александрович.
Разработка программного обеспечения для построения семантического графа на основе анализа контекстного смысла терминов : автореферат выпускной квалификационной работы : Бакалаврская работа / Арсений Александрович Шабунин. – Москва : Московский государственный психолого-педагогический университет, 2025. – 5 с. – URL: http://psychlib.ru/inc/absid.php?absid=504796 . – 02.03.03 - Математическое обеспечение и администрирование информационных систем. Направленность программы "Информационные системы и базы данных".
Выпускная квалификационная работа посвящена автоматизации построения семантических графов для выявления смысловых связей между терминами в учебных текстах. Основой стала нейросетевая модель BERT, которая обеспечивает анализ контекста текста. В разработанный алгоритм входит токенизация, лемматизация, векторизация и расчет косинусного сходства между терминами, что позволяет формализовать текст в граф знаний. Практической реализацией стал программный продукт на Python с использованием библиотек SpaCy, Pymorphy2, SentenceTransformer, NetworkX, Pyvis и Gradio. Система включает модули анализа новых текстов и визуализации семантических связей по запросу пользователя.
The final qualifying work is devoted to automating the construction of semantic graphs to identify semantic links between terms in educational texts. The basis was the BERT neural network model, which provides text context analysis. The developed algorithm includes tokenization, lemmatization, vectorization, and calculation of cosine similarity between terms, which allows you to formalize the text into a graph of knowledge. A Python software product using the libraries SpaCy, Pymorphy2, SentenceTransformer, and Networks became a practical implementation., Pyvis and Gradio. The system includes modules for analyzing new texts and visualizing semantic connections at the user`s request.
Общий = Математика
Общий = Информатика, вычислительная техника