МАТНЛИ МАЪЛУМОТЛАРНИ ТАСНИФЛАШ УСУЛ ВА АЛГОРИТМЛАРИ ТАҲЛИЛИ

Ниёзматова Н.А; Маматов Н.С; Турғунова Н.М.

МАТНЛИ МАЪЛУМОТЛАРНИ ТАСНИФЛАШ УСУЛ ВА АЛГОРИТМЛАРИ ТАҲЛИЛИ

Mualliflar

Ниёзматова Н.А “Тошкент ирригация ва қишлоқ хўжалигини механизациялаш муҳандислари институти” Миллий тадқиқот университети қошидаги Фундаментал ва амалий тадқиқотлар институти
Маматов Н.С “Тошкент ирригация ва қишлоқ хўжалигини механизациялаш муҳандислари институти” Миллий тадқиқот университети
Турғунова Н.М. “Тошкент ирригация ва қишлоқ хўжалигини механизациялаш муҳандислари институти” Миллий тадқиқот университети

Kalit so‘zlar:

матн таснифи, табиий тилни қайта ишлаш, машинали ўқитиш, Naive Bayes, Decision Tree, Random Forest, Passive Aggressive, таснифлаш алгоритмлари.

Annotatsiya

Мазкур мақола матнли маълумотларни автоматик таснифлашни
мавжуд усул ва алгоритмлари таҳлилига бағишланган бўлиб, унда Decision Tree (ДТ),
Random Forest (РФ), Naive Bayes (НБ) ва Passive Aggressive (ПА) каби машинали ўқитиш
алгоритмларининг назарий асослари ва амалий татбиқлари баён этилган. Тадқиқот
натижалари маълумот тури, ҳажми ва манбаларга кўра оптимал алгоритм танлаш
муҳимлигини кўрсатди. Бундан ташқари, мазкур ишда матнларни олдиндан тайёрлаш
босқичлари ҳам ёритилган бўлиб, улар якуний натижага сезиларли таъсир кўрсатиши
мумкинлиги асослаб берилган.

Manbalar

Sebastiani F. Machine Learning in Automated Text Categorization // ACM Computing Surveys. – 2002. – Vol. 34, No. 1. – P. 1–47.

Aggarwal C.C., Zhai C. A Survey of Text Classification Algorithms // Mining Text Data. – Springer, 2012. – P. 163–222.

Jurafsky D., Martin J.H. Speech and Language Processing. – 3rd ed. – Draft, 2020.

Manning C.D., Raghavan P., Schütze H. Introduction to Information Retrieval. – Cambridge: Cambridge University Press, 2008.

Pedregosa F. et al. Scikit-Learn: Machine Learning in Python // Journal of Machine Learning Research. – 2011. – Vol. 12. – P. 2825–2830.

МАТНЛИ МАЪЛУМОТЛАРНИ ТАСНИФЛАШ УСУЛ ВА АЛГОРИТМЛАРИ ТАҲЛИЛИ