Участник:Ryskina

Материал из MachineLearning.

Версия 18:11, 1 марта 2013 (править) Ryskina (Обсуждение | вклад) (Новая: Рыскина М.Н. '''МФТИ''', '''ФУПМ''' Кафедра '''"Интеллектуальные системы"''' Mailto: m.ryskina@gmail.com) ← К предыдущему изменению		Текущая версия (05:27, 23 августа 2014) (править) (отменить) Ryskina (Обсуждение | вклад) (→Отчеты о научно-исследовательской работе)
(5 промежуточных версий не показаны.)
Строка 1:		Строка 1:
	Рыскина М.Н.		Рыскина М.Н.
-	'''МФТИ''', '''ФУПМ'''	+	МФТИ, ФУПМ, 074
-	Кафедра '''"Интеллектуальные системы"'''	+	Кафедра "Интеллектуальные системы"
	Mailto: m.ryskina@gmail.com		Mailto: m.ryskina@gmail.com
		+
		+	== Отчеты о научно-исследовательской работе ==
		+
		+	=== Весна 2013, 6-й семестр ===
		+
		+	'''Разметка библиографических записей с помощью логических алгоритмов'''
		+
		+	Работа посвящена восстановлению библиографических записей BibTeX по их текстовому представлению, то есть выделению фрагментов, соответствующих различным полям формы BibTeX. Для сегментации записей применяется подход bag-of-words. Строится бинарная матрица объектов-признаков, где объектами являются слова, а признаками - срабатывание некоторых регулярных выражений из заданного набора. Для классификации применяется алгоритм CART, строящий бинарное решающее дерево.
		+
		+	'''Публикация'''
		+
		+	''Рыскина М.Н.''
		+	[http://svn.code.sf.net/p/mlalgorithms/code/Ryskina2013Txt2Bib/doc/Ryskina2013Txt2Bib.pdf Разметка библиографических записей с помощью логических алгоритмов]'' // Machinelearning.ru, 2013.''
		+
		+	=== Осень 2013, 7-й семестр ===
		+
		+	'''Создание тематической модели на основе PLSA'''
		+
		+	В данном проекте строится тематическая модель на основе вероятностного латентного семантического анализа. Корпус текстовых документов представлен в виде матрицы распределения слов по документам, затем с помощью онлайновой модификации PLSA-EM-алгоритма она разложена на матрицы распределения слов по темам и тем по документам.
		+	По результатам построения создано приложение, определяющее по текстовому фрагменту его тематический профиль.
		+
		+	'''Публикация'''
		+
		+	''Рыскина М. Н.'' Создание тематической модели на основе PLSA: технический отчет // Вычислительный сервер журнала "Машинное обучение и анализ данных" [Электронный ресурс] URL: [http://193.233.212.81/ mvr.jmlda.org] (дата обращения: 26.12.2013).
		+
		+	'''Разработка и оптимизация методики оценивания интерперетируемости вероятностных тематических моделей'''
		+
		+	Исследуются методы оценивания интерпретируемости моделей, предлагаются модификации, повышающие интерпретируемость. Ищется коррелирующий с интерпретируемостью функционал качества для применения в последующей оптимизации ВТМ.
		+	Формализована постановка задачи, предложены методики для исследования на первом этапе численного эксперимента.
		+
		+	=== Весна 2014, 8-й семестр ===
		+
		+	'''Публикация'''
		+
		+	''Рыскина М. Н.'' Регуляризация вероятностных тематических моделей для повышения устойчивости и интерпретируемости // [http://jmlda.org/ Машинное обучение и анализ данных]. – 2014 (подано в редакцию).
		+
		+	В данной работе на модельных и полумодельных данных исследуется устойчивость и интерпретируемость тематических моделей. Понятие интерпретируемости определяется через характеристики структуры матриц. Оценивается качество сходимости алгоритмов и их комбинаций, качество восстановления исходных матриц и структуры их разреженности. Рассмотрено влияние различных комбинаций регуляризаторов разреживания, декоррелирования и частичного обучения на сходимость. Сделан вывод, что в условиях, приближенных к реальным, регуляризация позволяет существенно улучшить качество восстановления и устойчивость.

---

Текущая версия

Рыскина М.Н.

МФТИ, ФУПМ, 074

Кафедра "Интеллектуальные системы"

Mailto: m.ryskina@gmail.com

Содержание 1 Отчеты о научно-исследовательской работе 1.1 Весна 2013, 6-й семестр 1.2 Осень 2013, 7-й семестр 1.3 Весна 2014, 8-й семестр

Отчеты о научно-исследовательской работе

Весна 2013, 6-й семестр

Разметка библиографических записей с помощью логических алгоритмов

Работа посвящена восстановлению библиографических записей BibTeX по их текстовому представлению, то есть выделению фрагментов, соответствующих различным полям формы BibTeX. Для сегментации записей применяется подход bag-of-words. Строится бинарная матрица объектов-признаков, где объектами являются слова, а признаками - срабатывание некоторых регулярных выражений из заданного набора. Для классификации применяется алгоритм CART, строящий бинарное решающее дерево.

Публикация

Рыскина М.Н. Разметка библиографических записей с помощью логических алгоритмов // Machinelearning.ru, 2013.

Осень 2013, 7-й семестр

Создание тематической модели на основе PLSA

В данном проекте строится тематическая модель на основе вероятностного латентного семантического анализа. Корпус текстовых документов представлен в виде матрицы распределения слов по документам, затем с помощью онлайновой модификации PLSA-EM-алгоритма она разложена на матрицы распределения слов по темам и тем по документам. По результатам построения создано приложение, определяющее по текстовому фрагменту его тематический профиль.

Публикация

Рыскина М. Н. Создание тематической модели на основе PLSA: технический отчет // Вычислительный сервер журнала "Машинное обучение и анализ данных" [Электронный ресурс] URL: mvr.jmlda.org (дата обращения: 26.12.2013).

Разработка и оптимизация методики оценивания интерперетируемости вероятностных тематических моделей

Исследуются методы оценивания интерпретируемости моделей, предлагаются модификации, повышающие интерпретируемость. Ищется коррелирующий с интерпретируемостью функционал качества для применения в последующей оптимизации ВТМ. Формализована постановка задачи, предложены методики для исследования на первом этапе численного эксперимента.

Весна 2014, 8-й семестр

Публикация

Рыскина М. Н. Регуляризация вероятностных тематических моделей для повышения устойчивости и интерпретируемости // Машинное обучение и анализ данных. – 2014 (подано в редакцию).

В данной работе на модельных и полумодельных данных исследуется устойчивость и интерпретируемость тематических моделей. Понятие интерпретируемости определяется через характеристики структуры матриц. Оценивается качество сходимости алгоритмов и их комбинаций, качество восстановления исходных матриц и структуры их разреженности. Рассмотрено влияние различных комбинаций регуляризаторов разреживания, декоррелирования и частичного обучения на сходимость. Сделан вывод, что в условиях, приближенных к реальным, регуляризация позволяет существенно улучшить качество восстановления и устойчивость.