Дослідження методів машинного навчання для узагальнення тексту новин

Скорочена інформація про документ
dc.contributor.advisorГайдаєнко О. В.
dc.contributor.authorКучеренко Кирило Русланович
dc.contributor.authorKucherenko Kyrylo
dc.date.accessioned2025-01-30T12:28:02Z
dc.date.available2025-01-30T12:28:02Z
dc.date.issued2024
dc.descriptionКучеренко, К. Р. Дослідження методів машинного навчання для узагальнення тексту новин = Research on machine learning methods for news text generalization : магістерська робота ; спец. 122 ''Комп'ютерні науки'' / К. Р. Кучеренко; наук. кер. О. В. Гайдаєнко. – Миколаїв : НУК, 2024. – 68 с.
dc.description.abstractСистема була оптимізована для зменшення обчислювальних витрат, що дозволяє її впровадження в реальні додатки, такі як новинні агрегатори, мобільні додатки або корпоративні інформаційні системи. Запропонований підхід демонструє У роботі розглянуто процес розробки системи для автоматизованого узагальнення новинних текстів на основі моделі T5. Зокрема, досліджено методи машинного навчання для забезпечення точного й смислово цілісного скорочення текстів. Основну увагу приділено аналізу сучасних технологій, розробці архітектури системи, її практичному впровадженню та оцінці результатів за допомогою метрик. Окрім технічних аспектів, у роботі висвітлено вплив системи на економічну ефективність, навколишнє середовище та умови праці, запропоновано способи мінімізації негативного впливу у використанні автоматизації текстових даних, підвищуючи ефективність роботи з інформацією та сприяючи сталому розвитку ІТ-індустрії. Значна увага приділена налаштуванню моделі для роботи з багатомовними текстами, що розширює можливості використання системи в міжнародному контексті. Результати показали, що запропонований підхід може бути інтегрований у сервіси глобального рівня для забезпечення якісного оброблення інформації.
dc.description.abstract1This study explores the development of a system for automated news text summarization based on the T5 (Text-to-Text Transfer Transformer) model. It investigates machine learning methods to ensure accurate and semantically coherent text compression. The focus is on analyzing modern technologies, designing the system architecture, implementing it in practice, and evaluating results using metrics such as ROUGE, BLEU, METEOR, and BERTScore. Beyond technical aspects, the study addresses the system's economic efficiency, environmental impact, and working conditions, proposing ways to minimize adverse effects. The system has been optimized to reduce computational costs, enabling its application in real-world solutions such as news aggregators, mobile applications, or corporate information systems. This approach highlights the potential for automated text data processing to improve efficiency and contribute to the sustainable development of the IT industry. Special emphasis has been placed on configuring the model to work with multilingual texts, extending the system's applicability in international contexts. The results demonstrate that the proposed approach can be integrated into global-level services to ensure high-quality information processing. Additionally, the study examines the ethical implications of text-processing technologies, particularly concerning combating misinformation and data manipulation. The proposed system can serve as a valuable tool for media organizations and educational institutions.
dc.description.provenanceSubmitted by Альона Павленко (aliona.pavlenko@nuos.edu.ua) on 2025-01-30T02:00:27Z workflow start=Step: reviewstep - action:claimaction No. of bitstreams: 1 Кучеренко_Диплом_.pdf: 29552581 bytes, checksum: 2d8704d1da5b14942c2e25011d5d76a3 (MD5)en
dc.description.provenanceStep: reviewstep - action:reviewaction Approved for entry into archive by Бондар Ольга(olga.bondar@nuos.edu.ua) on 2025-01-30T12:22:36Z (GMT)en
dc.description.provenanceStep: editstep - action:editaction Approved for entry into archive by Бондар Ольга(olga.bondar@nuos.edu.ua) on 2025-01-30T12:26:43Z (GMT)en
dc.description.provenanceStep: finaleditstep - action:finaleditaction Approved for entry into archive by Бондар Ольга(olga.bondar@nuos.edu.ua) on 2025-01-30T12:28:02Z (GMT)en
dc.description.provenanceMade available in DSpace on 2025-01-30T12:28:02Z (GMT). No. of bitstreams: 1 Kucherenko_magister.pdf: 29552581 bytes, checksum: 2d8704d1da5b14942c2e25011d5d76a3 (MD5) Previous issue date: 2024en
dc.identifier.urihttps://eir.nuos.edu.ua/handle/123456789/9713
dc.language.isouk
dc.subjectмашинне навчання
dc.subjectT5
dc.subjectROUGE
dc.subjectBLEU
dc.subjectMETEOR
dc.subjectBERTScore
dc.subjectAPI
dc.subjectmachine learning
dc.subject122 ''Комп'ютерні науки''
dc.titleДослідження методів машинного навчання для узагальнення тексту новин
dc.title.alternativeResearch on machine learning methods for news text generalization
dc.typeMasterThesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kucherenko_magister.pdf
Розмір:
28.18 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
4.38 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ІУСтаТ)
122 "Комп'ютерні науки"