📗📘📙 Подборка научной литературы: Классификация и определение тональности текстов, публикуемых в сети Интернет
1.
Исаев Д. В. Стратегия поиска эффективного алгоритма машинного обучения на примере кредитного скоринга // Проблемы экономики и юридической практики. 2020. № 6. С. 132-138. URL: https://cyberleninka.ru/article/n/strategiya-poiska-effektivnogo-algoritma-mashinnogo-obucheniya-na-primere-kreditnogo-skoringa 2. Картиев С.Б. , Курейчик В.М. Алгоритм классификации, основанный на принципах случайного леса, для решения задачи прогнозирования // Программные продукты и системы. 2016. № 2 (114). С. 11-15. URL: https://cyberleninka.ru/article/n/algoritm-klassifikatsii-osnovannyy-na-printsipah-sluchaynogo-lesa-dlya-resheniya-zadachi-prognozirovaniya 3. Кафтанников И. Л., Парасич А. В. Особенности применения деревьев решений в задачах классификации // Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника. 2015. Т. 15. № 3. С. 26-32. URL: https://cyberleninka.ru/article/n/osobennosti-primeneniya-dereviev-resheniy-v-zadachah-klassifikatsii 4. Клековкина М. В., Котельников Е. В. Метод автоматической классификации текстов по тональности, основанный на словаре эмоциональной лексики // Труды. 2012. С. 118-123. URL: http://www.rcdl2007.pereslavl.ru/doc/2012/paper15.pdf 5. Лыченко Н. М., Сороковая А. В. Сравнение эффективности методов векторного представления слов для определения тональности текстов // Математические структуры и моделирование. 2019. № 4 (52). С. 97-110. URL: https://cyberleninka.ru/article/n/sravnenie-effektivnosti-metodov-vektornogo-predstavleniya-slov-dlya-opredeleniya-tonalnosti-tekstov Нужны еще источники? Вам поможет Библоид: https://bibloid.ru
КиберЛенинка — открытый доступ к науке
📗📘📙 Подборка научной литературы: Классификация и определение тональности текстов, публикуемых в сети Интернет 1.
Исаев Д. В. Стратегия поиска эффективного алгоритма машинного обучения на примере кредитного скоринга // Проблемы экономики и юридической практики. 2020. № 6. С. 132-138. URL: https://cyberleninka.ru/article/n/strategiya-poiska-effektivnogo-algoritma-mashinnogo-obucheniya-na-primere-kreditnogo-skoringa 2. Картиев С.Б. , Курейчик В.М. Алгоритм классификации, основанный на принципах случайного леса, для решения задачи прогнозирования // Программные продукты и системы. 2016. № 2 (114). С. 11-15. URL: https://cyberleninka.ru/article/n/algoritm-klassifikatsii-osnovannyy-na-printsipah-sluchaynogo-lesa-dlya-resheniya-zadachi-prognozirovaniya 3. Кафтанников И. Л., Парасич А. В. Особенности применения деревьев решений в задачах классификации // Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника. 2015. Т. 15. № 3. С. 26-32. URL: https://cyberleninka.ru/article/n/osobennosti-primeneniya-dereviev-resheniy-v-zadachah-klassifikatsii 4. Клековкина М. В., Котельников Е. В. Метод автоматической классификации текстов по тональности, основанный на словаре эмоциональной лексики // Труды. 2012. С. 118-123. URL: http://www.rcdl2007.pereslavl.ru/doc/2012/paper15.pdf 5. Лыченко Н. М., Сороковая А. В. Сравнение эффективности методов векторного представления слов для определения тональности текстов // Математические структуры и моделирование. 2019. № 4 (52). С. 97-110. URL: https://cyberleninka.ru/article/n/sravnenie-effektivnosti-metodov-vektornogo-predstavleniya-slov-dlya-opredeleniya-tonalnosti-tekstov Нужны еще источники? Вам поможет Библоид: https://bibloid.ru