Phát triển kỹ thuật học đa tác vụ cho đa biến thể nhãn trong trính xuất thông tin tài liệu khoa học
Luận văn · Thạc sĩ · năm 2024 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin |
| Tác giả | Phạm Ngọc Đông |
| Người hướng dẫn | Hà Quang Thuỵ |
| Cơ sở đào tạo | Đại học Quốc gia Hà Nội |
| Năm | 2024 |
| Nguồn | Thư viện số Đại học Quốc gia Hà Nội · trang gốc |
Tóm tắt
Giới thiệu khái quát về bài toán trích xuất thông tin trong văn bản khoa học, trình bày một số khó khăn để giải quyết vấn đề đa biến thể nhãn và động lực, đóng góp của nghiên cứu. Trình bày rõ hơn quan điểm về việc giữ lại đa quan điểm nhãn trong học máy giám sát. Thêm nữa, luận văn còn giới thiệu về các nghiên cứu cơ sở là tiền đề cho để xây dựng lên mô hình học đa tác vụ. Trình bày các phân tích của mình để nhấn mạnh ảnh hưởng của đa biến thể nhãn trong việc xây dựng mô hình trích xuất thông tin. Sau đó giới thiệu về ý tưởng sử dụng mô hình đa tác vụ để giải quyết bài toán. Ngoài ra, luận văn đã tận dụng sự không đồng thuận để xây dựng lên bộ nhãn mềm nhằm cải thiện hiệu quả của mô hình đề xuất. Trình bày về các kịch bản thực nghiệm, tham số cài đặt của mô hình giải quyết bài toán. Từ đó đưa ra kết quả đánh giá mô hình so với các phương pháp tiếp cận khác. Ngoài việc vượt trội hơn các phương pháp cơ sở, phần thực nghiệm còn hé lộ tiềm năng của mô hình trong việc giảm dữ liệu huấn luyện đầu vào. Cuối cùng, luận văn đưa ra các phân tích lỗi để có cái nhìn thực tế hơn về kết quả của mô hình. Tổng kết các đóng góp và kết quả quan trọng. Ngoài ra, luận văn cũng chỉ ra những hạn chế của các mô hình của mình và đề cập đến một số hướng mở rộng trong công trình nghiên cứu tương lai.
Bản toàn văn lưu tại thư viện Đại học Quốc gia Hà Nội
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Investigate of interaction of mu-opioid receptor with unbiased and biased ligands using molecular dynamics and machine learning
- Phát hiện mã xấu trong chương trình bằng phương pháp học sâu
- Xây dựng hệ thống theo dõi và chẩn đoán trạng thái thiết bị dựa trên học máy
- Ưng dụng công nghệ viễn thám, GIS, và học máy trong giám sát và cảnh báo sớm hạn hán khu vực Đồng bằng Sông Cửu Long phục vụ phát triển nông nghiệp bền vững và ứng phó biến đổi khí hậu
- Nghiên cứu phương pháp phát hiện các bản vá lỗ hổng phần mềm dựa trên học sâu
- Cải tiến chất lượng dịch máy dựa vào mạng nơron cho các ngôn ngữ tài nguyên hạn chế
- Nghiên cứu nhận dạng xoáy thuận nhiệt đới hoạt động trên khu vực Biển Đông bằng phương pháp trí tuệ nhân tạo
- Số hóa tài liệu tự động thông minh
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.