содержание
ВВЕДЕНИЕ 3
Глава 1. Проблема классификации обращений и её решение 5
1.1 Постановка проблемы классификации обращений 5
1.2 Актуальность классификации обращений для взаимодействия с гражданами 5
1.3 Существующие методы классификации обращений жителей 6
1.4 Решение проблемы классификации обращений 7
Глава 2. Применение методов машинного обучения для решения задачи классификации обращений 9
2.1 Современные подходы и технологии в машинном обучении для обработки текстов 9
2.2 Линейная регрессия в классификации обращений жителей 12
2.3 Случайный лес в классификации обращений жителей 12
2.4 Байесовские методы (Бейса) в классификации обращений жителей 12
2.4. Градиентный бустинг в классификации обращений жителей 13
2.5 Формирование и предварительная обработка обучающей выборки 13
2.6 Обучение и сравнительный анализ результатов 15
Глава 3. Применение многослойного персептрона для решения задачи классификации обращений 19
3.1. Многослойный персептрон и его особенности 19
3.2 Обучение персептрона и сравнительный анализ полученных результатов 20
Глава 4. Разработка классификатора для обработки обращений граждан 22
4.1 Алгоритм классификации обращений 22
4.2 Выбор программного обеспечения для реализации классификатора 23
4.3 Тестирование разработанного классификатора 26
ЗАКЛЮЧЕНИЕ 32
Глава 1. Проблема классификации обращений и её решение 5
1.1 Постановка проблемы классификации обращений 5
1.2 Актуальность классификации обращений для взаимодействия с гражданами 5
1.3 Существующие методы классификации обращений жителей 6
1.4 Решение проблемы классификации обращений 7
Глава 2. Применение методов машинного обучения для решения задачи классификации обращений 9
2.1 Современные подходы и технологии в машинном обучении для обработки текстов 9
2.2 Линейная регрессия в классификации обращений жителей 12
2.3 Случайный лес в классификации обращений жителей 12
2.4 Байесовские методы (Бейса) в классификации обращений жителей 12
2.4. Градиентный бустинг в классификации обращений жителей 13
2.5 Формирование и предварительная обработка обучающей выборки 13
2.6 Обучение и сравнительный анализ результатов 15
Глава 3. Применение многослойного персептрона для решения задачи классификации обращений 19
3.1. Многослойный персептрон и его особенности 19
3.2 Обучение персептрона и сравнительный анализ полученных результатов 20
Глава 4. Разработка классификатора для обработки обращений граждан 22
4.1 Алгоритм классификации обращений 22
4.2 Выбор программного обеспечения для реализации классификатора 23
4.3 Тестирование разработанного классификатора 26
ЗАКЛЮЧЕНИЕ 32
Весь текст будет доступен после покупки
Показать еще текст
