Машинная атрибуция русскоязычных текстов: обзор методов

Amieva, A. M.; Kramarenko, A. A.; Filimonov, V. V.; Zhivodyorov, A. A.; Амиева, А. М.; Крамаренко, А. А.; Филимонов, В. В.; Живодёров, А. А.

Please use this identifier to cite or link to this item: https://elar.rsvpu.ru/handle/123456789/18094

Title:	Машинная атрибуция русскоязычных текстов: обзор методов
Other Titles:	Machine attribution of Russian-language texts: a review of methods
Authors:	Amieva, A. M. Kramarenko, A. A. Filimonov, V. V. Zhivodyorov, A. A. Амиева, А. М. Крамаренко, А. А. Филимонов, В. В. Живодёров, А. А.
Issue Date:	2017
Publisher:	РГППУ
Citation:	Машинная атрибуция русскоязычных текстов: обзор методов / А. М. Амиева [и др.] // Новые информационные технологии в образовании и науке : НИТО-2017 : материалы X международной научно-практической конференции, Екатеринбург, 27 февраля - 3 марта 2017 г. / Рос. гос. проф.-пед. ун-т [и др.]. - Екатеринбург : РГППУ, 2017. - С. 371-375.
Abstract:	The paper considers the problem of attribution and classification of Russian language texts. There are characteristics of different approaches. Authors explain choice of approaches and propose parameters for classification В статье рассматривается проблема атрибуции и классификации русскоязычных текстов. Приводятся характеристики различных подходов и обосновывается выбор. В рамках каждого подхода предлагается параметр для классификации
Keywords:	ATTRIBUTION OF TEXTS χ² STATISTICS THE LAW OF LARGE NUMBERS THE RANDOM WALK MODEL COEFFICIENT OF DIFFUSION АТРИБУЦИЯ ТЕКСТОВ СТАТИСТИКА χ² ЗАКОН БОЛЬШИХ ЧИСЕЛ МОДЕЛЬ СЛУЧАЙНЫХ БЛУЖДАНИЙ КОЭФФИЦИЕНТ ДИФФУЗИИ
Conference name:	Новые информационные технологии в образовании и науке
Conference date:	27.02-3.03.2017
ISBN:	978-5-8295-0500-4
Origin:	Новые информационные технологии в образовании и науке : НИТО-2017 : материалы X международной научно-практической конференции. — Екатеринбург, 2017
Appears in Collections:	Конференции и семинары

Files in This Item:

File	Description	Size	Format
978-5-8295-0500-4_2017_093.pdf		816,84 kB	Adobe PDF	View/Open

Show full item record Google Scholar

CORE Recommender