Mathematical Method of Translation into Ukrainian Sign Language Based on Ontologies

Демчук³

et al. 2019

Section: Accuracy a D A B C Dmentioning

confidence: 99%

Design of the architecture of an intelligent system for distributing commercial content in the internet space based on SEO-technologies, neural networks, and Machine Learning

Демчук³

et al. 2019

“…The scatter of parameter values for the texts of the same author is so large that the ranges of possible values for different authors intersect [99]. Obviously, this parameter will not help distinguish between the authors, and when used as a part of the parameter group, will only play the role of additional information noise [100].…”

Section: Literature Review and Problem Statementmentioning

confidence: 99%

Development of the quantitative method for automated text content authorship attribution based on the statistical analysis of N-grams distribution

Budz

et al. 2019

Розглянуто особливостi застосування технологiй лiнгвостатистики для iдентифiкацiї стилiстики автора текстового контенту науково-технiчного профiлю. Квантитативний лiнгвiстичний аналiз тексту використовує переваги контент-монiторiнгу на основi методiв NLP для визначення та аналiзу множини стопових слiв, ключових слiв, стiйких словосполучень та дослiдження N-грам. Останнi використовують в методах лiнгвометрiї для визначення приналежностi аналiзованого тексту конкретному авторовi у вiдсотках. Розроблено квантитативний метод автоматичного визначення авторства текстового контенту на основi статистичного аналiзу розподiлу 3-грам. Запропоновано пiдхiд реалiзацiї визначення автора україномовного тексту науково-технiчного профiлю. Отримано експериментальнi результати запропонованого методу для визначення приналежностi аналiзованого тексту конкретному автору за наявностi еталонного авторського тексту. Застосування лiнгвостатистичного аналiзу 3-грам до множини статей дозволить сформувати пiдмножину подiбних за лiнгвiстичними характеристиками публiкацiй. Накладання на пiдмножину додаткових умов у виглядi проведення статистичних та квантитативних аналiзiв (множини ключових слiв, стiйких словосполучень, стилеметричного, лiгвометричного тощо) дозволить значно скоротити цю пiдмножину, уточнивши список ймовiрнiших авторських робiт. Для якiсного та ефективного аналiзу контенту при визначеннi ступеня авторства конкретному автору пропонуємо аналiзувати еталонного тексту та дослiджуваного в декiлька етапiв: лiнгвометричний аналiз коефiцiєнтiв рiзноманiття авторського мовлення, стилометричний аналiз, аналiз стiйких словосполучень, лiнгвостатистичний аналiз 3-грам. Для автоматизованого опрацювання тексту має велике значення не тiльки частота появи тiєї чи iншої категорiї, а взагалi присутнiсть в дослiджуваному текстi. Кiлькiсний пiдрахунок дозволяє зробити об'єктивнi висновки щодо спрямованостi матерiалiв за кiлькiстю уживань одиниць аналiзу в дослiджуваних текстах. Якiсний аналiз робить те саме, але внаслiдок дослiдження того, чи зустрiчається (i в якому контекстi) певна важлива оригiнальна категорiя взагалi Ключовi слова: NLP, контент, контент-монiторiнг, стоп-слова, контент-аналiз, статистийний лiнгвiстичний аналiз, квантитативна лiнгвiстика, статистична лiнгвiстика, лiнгвометрiя UDC 004.

show abstract

“…-the method of anchor words (calculation of the total frequency of usage and finding percentage of syntactic words [62]: prepositions, conjunctions, particles); -the punctuation signs method (calculation only of the number of internal and external punctuation signs) [63];…”

Section: Algorithm 1 Analysis and Interpretation At The Linguistic Lmentioning

confidence: 99%

Development of the linguometric method for automatic identification of the author of text content based on statistical analysis of language diversity coefficients

Пукач

et al. 2018