CC BY
5140 Методы искусственного интеллекта и машинного обучения
иметь несколько допустимых вариантов интерпретации на уровне нот и, наоборот, одной и той же цепочке нот могут соответствовать разные цепочки знамен. Об этом свидетельствует анализ идентичных (по стихотворному тексту) песнопений из певческих книг, составленных разными авторами. Целью работы является получение качественных и количественных оценок допустимой вариативности. Для сравнения двознаменных текстов предложена модификация известной схемы вычисления "редакционного" расстояния. Указана связь полученных результатов с оценкой точности алгоритмов дешифровки.
Работа выполнена при поддержке программы фундаментальных научных исследований РАН (проект № FWNF-2022-0015).
Список литературы
1. Gusev V. D., Bakhmutova I. V., Miroshnichenko L. A., Titkova T. N. Possible approaches to deciphering Russian ancient Znamenny chant // J. of New Music Research. 2020. V. 49, iss. 3. P. 298-306.
Распознавание в научных текстах аргументов с этосом и пафосом
Н. В. Саломатина1, И. С. Пименов2, Е. А. Сидорова3 1Институт математики им. С. Л. Соболева СО РАН 2Новосибирский государственный университет 3Институт систем информатики им. А. П. Ершова СО РАН Email: salomatina_nv@live.ru DOI: 10.24412/cl-35065-2022-1-02-03
Данная работа направлена на автоматизацию разметки такого свойства аргумента, как механизм воздействия на аудиторию: апелляция к авторитету (этос) и к эмоциям (пафос). Материалом послужили ар-гументационные аннотации научных русскоязычных текстов, построенные "вручную" экспертами в виде графов аргументации на платформе ArgNetBankStudio [1]. Решались две задачи бинарной классификации аргументов: аргументы разделялись на выражающие и не выражающие 1) этос и 2) пафос. Для решения применялся ряд алгоритмов машинного обучения. Описание аргументов было составлено из отфильтрованных по весу (EMI) униграмм. Обучающие коллекции для решения каждой задачи содержали более 950 аргументов из двух классов в примерно равной пропорции. Тестовая коллекция для каждой задачи включала около 300 аргументов. Лучшая F-мера классификации этос/не-этос и пафос/не-пафос была достигнута полиномиальным Байесом и составила 65 % и 64 % соответственно.
Работа выполнена в рамках гос. задания ИМ СО РАН (проект № FWNF-2022-0015) и гос. задания ИСИ СО РАН № 075-01520-22-00.
Список литературы
1. Сидорова Е. А., Ахмадеева И. Р., Загорулько Ю. А., Серый А. С., Шестаков В. К. Платформа для исследования аргументации в научно-популярном дискурсе // Онтология проектирования. 2020. Т. 10, № 4(38). С. 489-502.
Влияние настраиваемых параметров полносвязной нейронной сети на качество предсказания для задачи классификации литотипов
И. А. Селезнёв1, Г. А. Коссов1,2 1Московский НИИЦ Шлюмберже 2Московский физико-технический институт Email: kossov.ga@phystech.edu DOI: 10.24412/cl-35065-2022-1-02-04
Применение методов машинного обучения позволяет автоматизировать процесс классификации литотипов, что значительно упрощает работу геолога. Алгоритмы, основанные на сверточных сетях,
