МЕТОД АППРОКСИМАЦИИ ВЕРОЯТНОСТЕЙ УПОМИНАНИЯ КОМПАНИЙ В ПРОИЗВОЛЬНЫХ ИСТОЧНИКАХ
Аннотация
Борзов Артем Витальевич. МЕТОД АППРОКСИМАЦИИ ВЕРОЯТНОСТЕЙ УПОМИНАНИЯ КОМПАНИЙ В ПРОИЗВОЛЬНЫХ ИСТОЧНИКАХ,
квалификационная работа на степень бакалавр наук. стр. 30, рис. 8, приложений 1, CD-диск 1.
Ключевые слова: вероятностные графические модели, Gibbs sampling,
Metropolis-Hastings algorithm, наивный байесовский классификатор.
Цель данной работы заключается в изучении методов вероятностного
анализа упоминаний компаний в различных текстовых источниках. В данной работе будут рассмотрены подходы к созданию вероятностных графических моделей, также будут рассмотрены способы создания данных, которые отражают модель, будет дан обзор основных методов вероятностного вывода на построенных моделях. В работе будут исследованы как направление графические модели, так и ненаправленные (в данном случае парные сети Маркова), а
также рассмотрены следующие методы: наивный байесовский классификатор, семплинг Гиббса, алгоритм Метрополиса-Гастингса. В приложении к работе находится исходный код программы на языке C# с реализацией методов и идей, отражённых в работе. Результаты данной работы можно использовать для дальнейшего изучения проблемы.
квалификационная работа на степень бакалавр наук. стр. 30, рис. 8, приложений 1, CD-диск 1.
Ключевые слова: вероятностные графические модели, Gibbs sampling,
Metropolis-Hastings algorithm, наивный байесовский классификатор.
Цель данной работы заключается в изучении методов вероятностного
анализа упоминаний компаний в различных текстовых источниках. В данной работе будут рассмотрены подходы к созданию вероятностных графических моделей, также будут рассмотрены способы создания данных, которые отражают модель, будет дан обзор основных методов вероятностного вывода на построенных моделях. В работе будут исследованы как направление графические модели, так и ненаправленные (в данном случае парные сети Маркова), а
также рассмотрены следующие методы: наивный байесовский классификатор, семплинг Гиббса, алгоритм Метрополиса-Гастингса. В приложении к работе находится исходный код программы на языке C# с реализацией методов и идей, отражённых в работе. Результаты данной работы можно использовать для дальнейшего изучения проблемы.