@article{Fomenko_Loutskii_Rehida_Volokyta_2018, title={ПИТАННЯ ГЕНЕРАЦІЇ ТЕМАТИЧНИХ ТЕКСТІВ НА ОСНОВІ РЕКУРЕНТНИХ НЕЙРОННИХ МЕРЕЖ ТА WORD2VEC}, url={http://tst.stu.cn.ua/article/view/135775}, abstractNote={<p class="western" lang="uk-UA" align="justify"><span><span><span lang="uk-UA"><em><strong>Актуальність теми дослідження.</strong></em></span></span><span><span lang="uk-UA"><em> Проблема генерації текстів стає більш актуальною в останні дні у зв’язку зі зростаючим попитом на автоматичне створення описів об’єктів, уривків статей, підсумків новин, повідомлень у службах мікроблогів, відповідей чат-ботів тощо. Таким чином, проблемою є створення текстів, що відповідають заданій тематиці. Ця робота присвячена проблемі генерації текстів саме російською мовою, оскільки кожна мовна група вимагає індивідуального підходу.</em></span></span></span></p><p class="western" lang="uk-UA" align="justify"><span><span><span lang="uk-UA"><em><strong>Постановка проблеми.</strong></em></span></span><span><span lang="uk-UA"><em> Відсутність добре інтерпретованого методу для автоматичного створення російськомовних тематичних текстів за допомогою рекурентних нейронних мереж.</em></span></span></span></p><p class="western" lang="uk-UA" align="justify"><span><span><span lang="uk-UA"><em><strong>Аналіз останніх досліджень і публікацій. </strong></em></span></span><span><span lang="uk-UA"><em>Протягом останніх років з’являється все більше статей, присвячених генерації тематичних текстів, зокрема, завдяки появі нових методів генерації послідовностей з використанням рекурентних нейронних мереж. Проте підходи специфічні для генерації тематичних текстів, особливо російською мовою, все ще недостатньо вивчені.</em></span></span></span></p><p class="western" lang="uk-UA" align="justify"><span><span><span lang="uk-UA"><em><strong>Виділення не вирішених раніше частин загальної проблеми.</strong></em></span></span><span><span lang="uk-UA"><em> Стаття присвячена вивченню та аналізу запропонованого підходу для генерації тематичних текстів, зокрема написаних російською мовою. Дослідження сфокусовано на вивченні застосування рекурентних нейронних мереж та word2vec.</em></span></span></span></p><p class="western" lang="uk-UA" align="justify"><span><span><span lang="uk-UA"><em><strong>Постановка завдання. </strong></em></span></span><span><span lang="uk-UA"><em>Завданням є створити модель, натреновану на групі уривків російськомовних статей, що навчиться визначати контекст тексту, і як результат видавати добре інтерпретований текст за тією ж самою тематикою.</em></span></span></span></p><p class="western" lang="uk-UA" align="justify"><span><span><span lang="uk-UA"><em><strong>Виклад основного матеріалу. </strong></em></span></span><span><span lang="uk-UA"><em>Проведено аналіз спільного використання моделей RNN та word2vec. Описано підходи для обробки вхідного тексту, аналізу структури речень, прогнозування наступних частин мови, прогнозування наступних слів та структури відповідних моделей. Результати виявились добре інтерпретованими та змістовними.</em></span></span></span></p><p class="western" lang="uk-UA" align="justify"><span><span><span lang="uk-UA"><em><strong>Висновки. </strong></em></span></span><span><span lang="uk-UA"><em>Проаналізовано зміст, структуру та параметри моделей, які показали найкращі результати для генерації текстів. Підхід показав себе добре для створення тематичних текстів. Наведені результати експериментів та аналіз наступних кроків.</em></span></span></span></p>}, number={4(10)}, journal={Технічні науки та технології}, author={Fomenko, Volodymyr and Loutskii, Heorhii and Rehida, Pavlo and Volokyta, Artem}, year={2018}, month={Лют}, pages={110–115} }