Сравнение алгоритмов адаптивного и градиентного бустинга в задаче классификации текстов

Ломотин, К.Е.

Please use this identifier to cite or link to this item: http://essuir.sumdu.edu.ua/handle/123456789/64335

Or use following links to share this resource in social networks: Recommend this item

Title	Сравнение алгоритмов адаптивного и градиентного бустинга в задаче классификации текстов
Authors	Ломотин, К.Е.
ORCID
Keywords	адаптивный бустинг градиентный бустинг классификация текстов адаптивний бустінг градиентный бустінг класифікація текстів adaptive boosting gradient boosting classification of texts
Type	Conference Papers
Date of Issue	2017
URI	http://essuir.sumdu.edu.ua/handle/123456789/64335
Publisher	Сумский государственный университет
License	Copyright not evaluated
Citation	Ломотин, К.Е. Сравнение алгоритмов адаптивного и градиентного бустинга в задаче классификации текстов [Текст] / К.Е. Ломотин; рук. А.Ю. Романов // Інформатика, математика, автоматика: матеріали та програма науково-технічної конференції, м. Суми, 17-21 квітня 2017 р. / Відп. за вип. С.І. Проценко. - Суми: СумДУ, 2017. - С. 37.
Abstract	Алгоритмы машинного обучения позволяют более эффективно рубрицировать тексты, выделять из них знания, а также решать множество других задач, связанных с обработкой естественного языка. Бустинг – это один из ансамблевых подходов к улучшению моделей машинного обучения, суть которого состоит в том, что базовые модели обучаются последовательно: каждая следующая обучается на ошибках предыдущей. Работа посвящена сравнению двух наиболее популярных алгоритмов бустинга: AdaBoost и градиентного бустинга в задаче классификации научных статей по рубрикам первого уровня УДК. Главное различие этих алгоритмов заключается в методе коррекции весовых коэффициентов и параметров базовых моделей, входящих в их состав.
Appears in Collections:	Наукові видання (ЕлІТ)