Участник:Mamonov

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Весна 2020)
(Весна 2020)
Строка 35: Строка 35:
'''Материалы: '''
'''Материалы: '''
[https://github.com/deep-nlp-spring-2020/dialog-sent/ GitHub]
[https://github.com/deep-nlp-spring-2020/dialog-sent/ GitHub]
-
[https://github.com/deep-nlp-spring-2020/dialog-sent/reports/presentation.pdf Slides]
+
[https://github.com/deep-nlp-spring-2020/dialog-sent/blob/master/reports/presentation.pdf Slides]

Версия 10:00, 18 июля 2020

Кирилл Мамонов

3 курс факультета инноваций и высоких технологий МФТИ

Кафедра анализа данных Яндекса

mamonov.kr@phystech.edu

Осень 2019

Карта оптимизма новостей России

В работе описана процедура, позволяющая анализировать эмоциональную окраску (или тональность) новостных сообщений для дальнейшей оценки «регионального уровня оптимизма». Результаты оценки визуализированы на интерактивной карте России, которая отражает региональный уровень оптимизма и его изменение во времени. Работа носит как научный, так и практический характер, поскольку в ней описана процедура по эффективному извлечению информации из новостей, а также анализ их тональности с дальнейшей визуализацией.

Выступление на конференции: IV Международная научно-практическая конференция «Актуальные проблемы и перспективы развития радиотехнических и инфокоммуникационных систем» «РАДИОИНФОКОМ — 2019»

Материалы: Paper

Весна 2020

Нелинейное ранжирование результатов разведочного информационного поиска

Имея коллекцию документов, пользователю порой очень сложно в них разобраться. Существует множество подходов для поиска среди этих документов, но их недостаточно, когда пользователь хочет получить доступ к соответствующим документам в некотором логическом порядке, например, для учебных целей. В данной работе описан алгоритм ранжирования документов от простого к сложному, от общего к частному, то есть в том порядке, в котором пользователю будет легче разбираться в новой для него тематической области. Данный подход даёт пользователю абсолютно новый способ потребления контента.

Материалы: GitHub Paper Slides Video


Aspect-Based Sentiment Analysis

Командный проект в рамках курса DL in NLP 2020. Решается задача с соревнования. Сначала решалась задача E (Aspect Based Sentiment Analysis), а затем по просьбе организаторов переключились на задачу C (Aspect-Target Sentiment Classification). Задача заключается в том, чтобы определить тональность предложения/текста относительно заданного аспекта.

Материалы: GitHub Slides

Личные инструменты