Участник:Mamonov

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Осень 2019)
(Весна 2020)
 
(10 промежуточных версий не показаны.)
Строка 1: Строка 1:
'''Кирилл Мамонов'''
'''Кирилл Мамонов'''
-
'''3 курс факультета инноваций и высоких технологий МФТИ'''
+
'''4 курс факультета инноваций и высоких технологий МФТИ'''
'''Кафедра анализа данных Яндекса'''
'''Кафедра анализа данных Яндекса'''
mamonov.kr@phystech.edu
mamonov.kr@phystech.edu
 +
 +
==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: '''
 +
[https://youtu.be/9Gr_YWYriww Video]
 +
 +
----------------------------------------------------------
 +
 +
'''Aspect-Based Sentiment Analysis'''
 +
 +
Командный проект в рамках курса [http://deeppavlov.ai/nlp_course_2020 DL in NLP 2020]. Решается задача с [http://www.dialog-21.ru/evaluation/2015/sentiment/ 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: '''
 +
[https://github.com/deep-nlp-spring-2020/dialog-sent/ GitHub]
 +
[https://github.com/deep-nlp-spring-2020/dialog-sent/blob/master/reports/presentation.pdf Slides]
 +
--------------------------------------------------------
 +
'''Minimizing total weighted tardiness on a single machine with release dates and equal-length jobs'''
 +
 +
This paper investigates the impact of the different heuristics and variations of Branch-And-Bound algorithm on the solving rate of total weighted tardiness problem. We study the problem of scheduling n jobs with release dates, due dates, weights, and equal processing times on a single machine. The objective is to minimize total weighted tardiness. The same approach also holds for the single-machine problems of minimizing the sum of weighted late jobs (1|r<sub>j</sub> ,p<sub>j</sub> = p| ∑w<sub>j</sub> U<sub>j</sub> ) and the sum of weighted late work (1|r<sub>j</sub> ,p<sub>j</sub> = p| ∑ w<sub>j</sub>V<sub>j</sub> ) as well as their respective variants with m identical, parallel machines.
 +
 +
'''Материалы: '''
 +
[https://drive.google.com/file/d/1VEvd0nCF8SEYsaI2JPLfDBZBJMDwPAbR/view?usp=sharing Slides]
==Осень 2019==
==Осень 2019==
Строка 15: Строка 40:
'''Материалы: '''
'''Материалы: '''
-
[https://forum.mirea.ru/download/sbornik_2019.pdf#page=134 Paper]
+
[https://forum.mirea.ru/2019.pdf#page=134 Paper] ([https://www.elibrary.ru/item.asp?id=42437335 входит в РИНЦ])
-
 
+
-
==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: '''
+
-
[https://github.com/Intelligent-Systems-Phystech/2020-Project73 GitHub]
+
-
[https://github.com/Intelligent-Systems-Phystech/2020-Project73/raw/master/report/Mamonov2020Project73.pdf Paper]
+
-
[https://github.com/Intelligent-Systems-Phystech/2020-Project73/raw/master/report/Mamonov2020Project73slides.pdf Slides]
+
-
[https://youtu.be/9Gr_YWYriww Video]
+

Текущая версия

Кирилл Мамонов

4 курс факультета инноваций и высоких технологий МФТИ

Кафедра анализа данных Яндекса

mamonov.kr@phystech.edu

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: 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


Minimizing total weighted tardiness on a single machine with release dates and equal-length jobs

This paper investigates the impact of the different heuristics and variations of Branch-And-Bound algorithm on the solving rate of total weighted tardiness problem. We study the problem of scheduling n jobs with release dates, due dates, weights, and equal processing times on a single machine. The objective is to minimize total weighted tardiness. The same approach also holds for the single-machine problems of minimizing the sum of weighted late jobs (1|rj ,pj = p| ∑wj Uj ) and the sum of weighted late work (1|rj ,pj = p| ∑ wjVj ) as well as their respective variants with m identical, parallel machines.

Материалы: Slides

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 (входит в РИНЦ)

Личные инструменты