|
|
| Строка 1: |
Строка 1: |
| − | '''Машинное обучение''' (англ. Machine Learning) — обширный подраздел искусственного интеллекта, математическая дисциплина извлекающая знания из данных. | + | '''Интеллектуальный анализ текстов''' (ИАТ, англ. text mining) — направление в искусственном интеллекте, целью которого является получение информации из коллекций текстовых документов, основываясь на применении эффективных в практическом плане методов машинного обучения и обработки естественного языка. Название «интеллектуальный анализ текстов» перекликается с понятием «интеллектуальный анализ данных» (ИАД, англ. [[Data Mining]]), что выражает схожесть их целей, подходов к переработке информации и сфер применения; разница проявляется лишь в конечных методах, а также в том, что ИАД имеет дело с [[Хранилище данных|хранилищами]] и базами данных, а не электронными библиотеками и корпусами текстов. |
| | | | |
| − | Дисциплина машинного обучения использует следующие разделы:
| + | [[Категория:AI]] |
| − | * математической [[Статистика|статистики]],
| + | |
| − | * численных методов оптимизации,
| + | |
| − | * теории вероятностей,
| + | |
| − | * дискретного анализа,
| + | |
| − | | + | |
| − | == Типы обучения ==
| + | |
| − | # '''Индуктивное обучение''' (Обучение по прецедентам) основано на выявлении закономерностей в эмпирических данных.
| + | |
| − | # '''Дедуктивное обучение''' предполагает формализацию знаний экспертов и их перенос в компьютер в виде базы знаний. Дедуктивное обучение принято относить к области '''экспертных систем''', поэтому термины машинное обучение и обучение по прецедентам можно считать синонимами.
| + | |
| − | | + | |
| − | Многие методы индуктивного обучения разрабатывались как альтернатива классическим статистическим подходам. Многие методы тесно связаны с извлечением информации (Information Extraction), интеллектуальным анализом данных ([[Data Mining]]).
| + | |
| − | | + | |
| − | == Способы обучения ==
| + | |
| − | * '''Обучение с учителем''' — для каждого прецедента задаётся пара «ситуация, требуемое решение»:
| + | |
| − | *# Метод коррекции ошибки
| + | |
| − | *# Метод обратного распространения ошибки
| + | |
| − | * '''Обучение без учителя''' — для каждого прецедента задаётся только «ситуация», требуется сгруппировать объекты в кластеры, используя данные о попарном сходстве объектов, и/или понизить размерность данных:
| + | |
| − | *# Альфа-система подкрепления
| + | |
| − | *# Гамма-система подкрепления
| + | |
| − | *# Метод ближайших соседей
| + | |
| − | * '''Обучение с подкреплением''' — для каждого прецедента имеется пара «ситуация, принятое решение»:
| + | |
| − | *# Генетический алгоритм.
| + | |
| − | * '''Активное обучение''' — отличается тем, что обучаемый алгоритм имеет возможность самостоятельно назначать следующую исследуемую ситуацию, на которой станет известен верный ответ
| + | |
| − | * '''Обучение с частичным привлечением учителя''' (semi-supervised learning) — для части прецедентов задается пара «ситуация, требуемое решение», а для части — только «ситуация»
| + | |
| − | * '''Трансдуктивное обучение''' (transduction) — обучение с частичным привлечением учителя, когда прогноз предполагается делать только для прецедентов из тестовой выборки
| + | |
| − | * '''Многозадачное обучение''' (multi-task learning) — одновременное обучение группе взаимосвязанных задач, для каждой из которых задаются свои пары «ситуация, требуемое решение»
| + | |
| − | * '''Многовариантное обучение''' (multiple-instance learning) — обучение, когда прецеденты могут быть объединены в группы, в каждой из которых для всех прецедентов имеется «ситуация», но только для одного из них (причем, неизвестно какого) имеется пара «ситуация, требуемое решение»
| + | |
| − | | + | |
| − | [[Категория:Дисциплины]] | + | |
Версия 11:29, 23 мая 2016
Интеллектуальный анализ текстов (ИАТ, англ. text mining) — направление в искусственном интеллекте, целью которого является получение информации из коллекций текстовых документов, основываясь на применении эффективных в практическом плане методов машинного обучения и обработки естественного языка. Название «интеллектуальный анализ текстов» перекликается с понятием «интеллектуальный анализ данных» (ИАД, англ. Data Mining), что выражает схожесть их целей, подходов к переработке информации и сфер применения; разница проявляется лишь в конечных методах, а также в том, что ИАД имеет дело с хранилищами и базами данных, а не электронными библиотеками и корпусами текстов.