Заключение организации, где выполнялась работа (Вычислительный комплекс- классификатор текстов с использованием морфологического анализа и нейро-семантических сетей)

следованиям откам. аричев С. Н. июня 20!7 г. ЗАКЛЮЧКНИК федерального государственного образовательного учреждения Высшего прОфессиОнального ООРЗЗОВания «Московский физико-технический институт !'государственный университет)» 1МФТИ) Диссертация «Вычислительный комплекс-классификатор текстов с использованием морфологического анализа и нейро-семантических сетей» выполнена на кафедре интеллектуальных информационных систем и гехнологий Московского физико-технического института !'государственного университета), Министерства образования и науки Российской Федерации.

В период подготовки диссертации аспирант Ле Мань Ха учился на кафедре интеллектуальных информационных систем и технологий МФТИ. В 2013 г, он окончил магистратуру МФТИ. В октябре 2013 года поступил в аспирантуру МФТИ, Удостоверение о сдаче кандидатских экзаменов выдано в '017 г. в МФТИ. Научный руководитель — д.т.н. Харламов Александр Александрович, основное место работы — Институт Высшей Нервной Деятельности н Нейрофизиологии РАН. По итогам обсуждения диссертации принято следующее заключение Хема диссеригации яетмется июнуал Зной благодаря разработке математического, алгоритмитического и программного обеспечения Вычислительного комплекса-классификатора текстоВ с использОВанием морфологического анализа и нейро-семантических сетей.

Классификация текстов — — одна из главных задач обработки естественного языка, заключающаяся в определении кагегории текста, список категорий может быть известен или нет. Классификация текстов часто реализуется на основании содержания текстов, анализа элементов текста (слова, предложения и т.п.) и взаимодействия между ними. Классификация может осуществляться вручнукз или автоматически с применением методов машинного обучения, Нейросетевые методы классификации текстов на основе морфологического анализа позволяют повышать качество и скорость классификации. Данные методы позволяют автоматизировать решение раличных задач обработки текстовой информации, таких как классификация сайтов по тематическим каталогам„борьба со снамом, распознавание эмоциональной окраски текстов„персонификация рекламы и т.п.

Цели и задачи диссертации: Целью диссертации является разработка математического, алгоритмитического и программного обеспечения вычислительного комплекса-классификатора текстов с использованием морфологического анализа и нейро-семантических сетей. Для достижения этой цели в диссертационной работе сформулированы следующие задачи: 1.

Проведение критического анализа существующх методов представления н классификации текстов. 2. Проведение анализа методов глубокого обучения посредством искусственных нейронных сетей для обработки и классификации текстов 3. Разработка метода морфологического анализа текстов.

4, Разработка математического и программного обеспечения вычислительного комплекса семантической нейронной сети для получения Векторного представления грамматических структур текстоВ, 5, !'азработка алгоритмнтического и программного обеспечения ВычнслнтельнОГО комплекса рекурсиВнОГО ВВтоэнкодера морфОлОГическОГО анализа для получения ВекторнОГО предстаВления ТЕКСТОВ. б. Разраоотка метода нК» ближай1пих соседей с использованием двоичного дерева. 7. Разработка архитектуры сервер-клиент и веб-интерфейса демо комплекса для морфологического анализа и классификации текстов.

8, Внедрение результатов и научных положений диссертации В практические разработки. Осиаеиые резкльтаты диссертации: 1, Проведен критический анализ существующих методов представления и классификации текстов. 2, Проведен анализ методов глубокого обучения посредством искусственных нейронных сетей для обработки и классификации текстов. 3, Разработан метод морфологического анализа для предварительной обработки текстов, позволяющий методом развитых словоформ выделять морфологические признаки слов для последующей классификации. 4. Разработаны математическое и программное обеспечения Вычислительного комплекса нейро-семантической сети для определения адекватного векторного представления грамматических структур текстов, который позволяет повышать точность классификации текстов на 5-12;4 по сравнению с другими методами классификации. 5, Разработаны алгоритмическое и программное обеспечения Вычислительного комплекса рекурсивного автоэнкодера с объеднннем векторов-слов и векторов-морфологий, который позволяет повышать точность классификации текстов на 7-13;4 по сравнению с другими методами классификации.

6. Разработаны метод «К» ближайших соседей с использованием двоичного дерева для уменьшения количества вычислительных операций, который позволяет увеличить скорость классификации текстов в 2-4 раза, 7. Разработаны архитектура сервер-клиент и веб-интерфейс демо комплекса для морфологического анализа и классификации текстов.

8. Внедрение полученных в диссертации результатов в пратические рйзрйботки. Ниучнил ниашни работы заключается в том, что 1. Разработан метод обработки данных для создания морфологических словйрей. 2. Разработан ~~тол морфологического анализа для предварительной обработки текстов, позволяющий методом развитых словоформ выделять морфологические признаки слов для последующей классификации. 3, Разработаны математическое и программное обеспечения вычислительного комплекса нейро-семантической сети для определения йдекватного векторного представления грамматических структур текстов, который позволяет повышать точность классификации текстов на 5-12;~~ по сравнению с другими методами классификации. 4.

Разработаны алгоритмитичес кое и программное обеспечения вычислительного комплексй рекурсивного йвтознкодерй с обьединием векторов-слов и векто1зов-морфологий, кото1зый позволяет повышйть точность классификации текстов на 7-13'Ь по сравнению с другими методами классификации. 5. Разработан метод «К» ближайших соседей с использованием двоичного дерева для уменьшения количества вычислительных операций, который позволяет увеличить скорость классификации текстов в 2-4 раза. ХХринтичесния ценность результатов диссертации заключается в в повышении точности классификации текстов на 5-13»~о по сравнению со другими методами классификации, в повышении скорости классификации текстов в 2-4 раза, так же в возможности применения морфологического анализа и нейронных сетей для решения других задач обработки естественного языка.

Результаты диссертационного исследования были использованы в технолсн иях научно-производственного инновационного центра МИКРОСИСТВМЫ и в исследовании системы голосового управления в Институте Военных Автоматизированных Технологий, Академия Военных Наук и Технологий, Министерство Обороны Вьетнама, что подтверждено актами о внедрении, кроме того автору был выдан патент на изобретение «Голосовая связь на естественном языке между человеком и устройством» (КЬ' 2583150). Обоснованноппь и достоверность рвзулынатов и выводов определяется следующими факторами: 1. Согласованностью теоретических выводов с результатами экспериментов на разных базах данных; 2, Докладами на российских и международных научных конференциях и публикациями результатов исследования в рекомендованных Высшей аттестационной комиссией научных изданиях. 3, Положительными результатами практического использования результатов диссертационной работы, подтвержденными актами о внедр~ иии „ 4.

Патентом на изобретение; Материалы диссврнгииии опубликованы автором доииатвчно полно в следующих работах 1'В изданиях„входя гцих в перечень БАК при Минобрнауки России!: !. Ле Мань Ха. Прогнозирование настроения человека по анализу текста 7 Информатизаиия и связь. 20!2. Жо 8. С 97-98 2. Нгувн Нгок Зиеп, Ле Мань Ха. Нейросетевой метод снятия омонимии 7 Труды МФТИ. 2015. Т. 7, Л'о 3. С!74-182 3. Ле Мань Ха Оптимизация алгоритма КЛ'У для классификации текстов 7' Труды МФТИ. 2015. Т. 7, Л'о 3.

С 92 — 94. 4. Ле Мань Ла. Сверточная нейронная есть для решения задачи клаесифика1!ии 77 !руды МФТИ, 2016. Т.8, Л~о 3. С,9! — 97. 5. А. А. Харламов. Ле Мань Ха, Нейросетевые подходы к клаееификаиии текстов на основе морфологичвского анализа ~У Труды МФТИ. 2017. Т, 9, Ло 2. С. !43-150, Личным вклад соискателя в работах заключается в следующем: 1. Разработка метода обработки данных для создания морфологических словарей. 2. Разработка метода морфологического анализа текстов. 3.

Разработка математического и программного обеспечения вычислительного комплекса нейро-семантической сети на основе морфологических словарей. 4. Разработка алгоритмического и программного обеспечения вычислительного комплекса рекурсивного автоэнкодера с объединием векторов-слов и векторов-морфологий.