Вы здесь ▸ Обсуждение ▸
Мои публикации
Публикации: статьи в журналах и сборниках конференций, доклады, презентации, отчеты, авторские свидетельства.
Иванов В.К.
Интеллектуальная система управления персонализированным обучением: обзор исследований и разработок Proceedings Article
In: Актуальные проблемы качества образования в высшей школе : материалы докладов научно-практической конференции. - Тверь, 2020., ТвГТУ, 2020, ISBN: 978-5-7995-1126-5.
Abstract | Links | BibTeX | Метки: agent, chatbot, e-learning, education, innovation, multiagent, personalized learning, search, visualization, агент, индивидуальная образовательная траектория, инновация, мультиагентный, поиск, хранилище данных, чат-бот, электронное обучение, электронные образовательные ресурсы
@inproceedings{V.K.Ivanov16,
title = {Интеллектуальная система управления персонализированным обучением: обзор исследований и разработок},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/lXjqMgKtpu6CBQ},
isbn = {978-5-7995-1126-5},
year = {2020},
date = {2020-05-19},
urldate = {2020-05-19},
booktitle = {Актуальные проблемы качества образования в высшей школе : материалы докладов научно-практической конференции. - Тверь, 2020.},
publisher = {ТвГТУ},
abstract = {В статье кратко описаны основные задачи проекта интеллектуальной системы управления персонализированным обучением и представлен обзор публикаций по направлениям исследований и разработок в этой области. Отмечается, что обсуждаемый проект предлагает модель управления образовательным процессом, которая позволит адаптивно учитывать полноту и достоверность различных источников образовательного контента, желаемые компетенции обучающихся и генерировать индивидуальные образовательные методики с использованием интерактивных интеллектуальных технологий электронного обучения. Актуальность проекта обуславливается, с одной стороны, значительным увеличением объема и интенсивности информационных потоков, связанных с многообразием современных инновационных образовательных технологий, а с другой – объективным и системообразующим трендами на персонификацию и инклюзивность обучения.},
keywords = {agent, chatbot, e-learning, education, innovation, multiagent, personalized learning, search, visualization, агент, индивидуальная образовательная траектория, инновация, мультиагентный, поиск, хранилище данных, чат-бот, электронное обучение, электронные образовательные ресурсы},
pubstate = {published},
tppubtype = {inproceedings}
}
В статье кратко описаны основные задачи проекта интеллектуальной системы управления персонализированным обучением и представлен обзор публикаций по направлениям исследований и разработок в этой области. Отмечается, что обсуждаемый проект предлагает модель управления образовательным процессом, которая позволит адаптивно учитывать полноту и достоверность различных источников образовательного контента, желаемые компетенции обучающихся и генерировать индивидуальные образовательные методики с использованием интерактивных интеллектуальных технологий электронного обучения. Актуальность проекта обуславливается, с одной стороны, значительным увеличением объема и интенсивности информационных потоков, связанных с многообразием современных инновационных образовательных технологий, а с другой – объективным и системообразующим трендами на персонификацию и инклюзивность обучения.
Иванов В.К., Виноградова Н.В.
Современные методы автоматизированного извлечения ключевых слов из текста Journal Article
In: Информационные ресурсы России, no. 4, pp. 13-18, 2016, ISSN: 0204-3653.
Abstract | Links | BibTeX | Метки: data centre, keyword, method, relevance, search, selection, semantics, spectral, statistical, text, word-combination, выделение, гибридный, ключевое слово, лингвистика, метод, поиск, релевантность, семантика, словосочетание, спектральный, статистический, текст
@article{nokey,
title = {Современные методы автоматизированного извлечения ключевых слов из текста},
author = {Иванов В.К. and Виноградова Н.В.},
editor = {ключевое слово, метод, выделение, текст, семантика, гибридный, лингвистика, словосочетание, спектральный, статистический, поиск, релевантность, keyword, method, selection, text, semantics, hybrid, linguistics, word-combination, spectral, statistical, search, relevance, data centre},
url = {https://disk.yandex.ru/i/Zi2TSkY7hI89uA},
issn = {0204-3653},
year = {2016},
date = {2016-12-31},
urldate = {2016-12-31},
journal = {Информационные ресурсы России},
number = {4},
pages = {13-18},
publisher = {Москва},
abstract = {Cтатья посвящена актуальной на сегодняшний день проблеме – методам автоматизированного извлечения ключевых слов из текста. В статье представлен аналитический обзор материалов по этой тематике. Особенностью обзора является широкое использование для анализа работ российских авторов, изданных за последнее время, что должно показать текущий уровень отечественных исследований и помочь определить потенциальные точки их дальнейшего развития. В статье классифицированы основные методы автоматизированного извлечения ключевых слов, выделены их особенности, определены применимость, описаны достоинства и недостатки. Дается систематизированный обзор исследований и разработок, основанных на лингвистических, статистических, спектральных и гибридных методах. Статья может быть полезна разработчикам информационно-поисковых систем, специалистам в области оптимизации поисковых процедур, исследователям технологий информационного поиска, патентоведам, работникам библиотечной сферы.
Vinogradova N.V., Ivanov V.K. Modern methods of automated extraction of keywords from text
The article is devoted to the up to date problem, namely the methods of automated extraction of keywords from a text. The article presents the analytical review on the problem. The speciality of a review is a wide range of works by Russian authors published lately that can indicate the current level of home investigations and help to define the further development potentials. The authors made an effort to classify the basic methods of the automated extraction of keywords, to emphasize their features, to define their potential for use, to specify strengths and shortcomings. The systemization review of the R&D based on linguistic, statistical, spectral and hybrid methods is conducted. The article may be beneficial to the information storage and retrieval system developers, experts in search procedure optimization, explorers of information search technologies, patent specialists, workers of libraries.},
keywords = {data centre, keyword, method, relevance, search, selection, semantics, spectral, statistical, text, word-combination, выделение, гибридный, ключевое слово, лингвистика, метод, поиск, релевантность, семантика, словосочетание, спектральный, статистический, текст},
pubstate = {published},
tppubtype = {article}
}
Cтатья посвящена актуальной на сегодняшний день проблеме – методам автоматизированного извлечения ключевых слов из текста. В статье представлен аналитический обзор материалов по этой тематике. Особенностью обзора является широкое использование для анализа работ российских авторов, изданных за последнее время, что должно показать текущий уровень отечественных исследований и помочь определить потенциальные точки их дальнейшего развития. В статье классифицированы основные методы автоматизированного извлечения ключевых слов, выделены их особенности, определены применимость, описаны достоинства и недостатки. Дается систематизированный обзор исследований и разработок, основанных на лингвистических, статистических, спектральных и гибридных методах. Статья может быть полезна разработчикам информационно-поисковых систем, специалистам в области оптимизации поисковых процедур, исследователям технологий информационного поиска, патентоведам, работникам библиотечной сферы.
Vinogradova N.V., Ivanov V.K. Modern methods of automated extraction of keywords from text
The article is devoted to the up to date problem, namely the methods of automated extraction of keywords from a text. The article presents the analytical review on the problem. The speciality of a review is a wide range of works by Russian authors published lately that can indicate the current level of home investigations and help to define the further development potentials. The authors made an effort to classify the basic methods of the automated extraction of keywords, to emphasize their features, to define their potential for use, to specify strengths and shortcomings. The systemization review of the R&D based on linguistic, statistical, spectral and hybrid methods is conducted. The article may be beneficial to the information storage and retrieval system developers, experts in search procedure optimization, explorers of information search technologies, patent specialists, workers of libraries.
Vinogradova N.V., Ivanov V.K. Modern methods of automated extraction of keywords from text
The article is devoted to the up to date problem, namely the methods of automated extraction of keywords from a text. The article presents the analytical review on the problem. The speciality of a review is a wide range of works by Russian authors published lately that can indicate the current level of home investigations and help to define the further development potentials. The authors made an effort to classify the basic methods of the automated extraction of keywords, to emphasize their features, to define their potential for use, to specify strengths and shortcomings. The systemization review of the R&D based on linguistic, statistical, spectral and hybrid methods is conducted. The article may be beneficial to the information storage and retrieval system developers, experts in search procedure optimization, explorers of information search technologies, patent specialists, workers of libraries.
Иванов В.К., Мальков А.А.
Метод адаптивной кластеризации текстовых документов Journal Article
In: Программные продукты, системы и алгоритмы, no. 2, 2015.
Abstract | Links | BibTeX | Altmetric | Метки: data centre, документ, карта Кохонена, кластеризация, нейронная сеть, нечеткий алгоритм, поиск
@article{nokey,
title = {Метод адаптивной кластеризации текстовых документов},
author = {Иванов В.К. and Мальков А.А.},
editor = {data centre, документ, карта Кохонена, кластеризация, нейронная сеть, нечеткий алгоритм, поиск},
url = {https://disk.yandex.ru/i/kDjDIT0aue7RWA
https://swsys-web.ru/en/method-of-adaptive-clustering-text-documents.html},
doi = {10.15827/2311-6749.15.158},
year = {2015},
date = {2015-06-30},
urldate = {2015-06-30},
journal = {Программные продукты, системы и алгоритмы},
number = {2},
abstract = {В статье предложен метод адаптивной кластеризации текстовых документов – результатов работы поисковой системы. Реализация метода предполагает, что для настройки параметров кластеризации должна использоваться не только информацию, полученную от пользователя, но и полученную в результате поиска документов. Идея заключается в использовании нечеткого алгоритма кластеризации Гюстафсона-Кесселя. Для решения задачи определения количества кластеров при инициализацииалгоритма предлагается использовать самоорганизующиеся карты Кохонена с динамически изменяемыми размерами. Приведено описание используемых алгоритмов и положительные результаты апробации метода на модельной задаче об ирисах Фишера. Показано, что на основе предложенного решения может быть построен список рубрик, объединяющих семантически связанные источники информации.},
keywords = {data centre, документ, карта Кохонена, кластеризация, нейронная сеть, нечеткий алгоритм, поиск},
pubstate = {published},
tppubtype = {article}
}
В статье предложен метод адаптивной кластеризации текстовых документов – результатов работы поисковой системы. Реализация метода предполагает, что для настройки параметров кластеризации должна использоваться не только информацию, полученную от пользователя, но и полученную в результате поиска документов. Идея заключается в использовании нечеткого алгоритма кластеризации Гюстафсона-Кесселя. Для решения задачи определения количества кластеров при инициализацииалгоритма предлагается использовать самоорганизующиеся карты Кохонена с динамически изменяемыми размерами. Приведено описание используемых алгоритмов и положительные результаты апробации метода на модельной задаче об ирисах Фишера. Показано, что на основе предложенного решения может быть построен список рубрик, объединяющих семантически связанные источники информации.