Подробное описание документа

Громоздов Д. Р.
   Устойчивость графовой сверточной модели нейронной сети при работе с новыми данными = Graph Convolutional Neural Network Model Robustness under New Data Provisioning / Громоздов Д. Р. // Наука, технологии и бизнес : материалы 6-ой Межвузовской конференции аспирантов, соискателей и молодых учёных, Москва, 16-18 апреля 2024 года / МГТУ им. Н. Э. Баумана (национальный исследовательский университет). - М., 2024. - С. 116-123.

Изучена обработка текста на естественном языке и графическое представление текстовой информации. Для обработки графовых структур применяется сверточный подход. Цель исследования — проанализировать влияние нетипичных текстовых данных на производительность модели TextGCN (Graph Convolutional Neural Network, графовая сверточная нейронная сеть). Для оценки производительности используется стандартный показатель точности. Оценочное значение точности и тенденция зависимости размера окна точности подтверждают гипотезу, утверждающую, что производительность модели зависит от типа текста и речевой модальности данных.
Ключевые слова: анализ данных, обработка естественного языка, convolutional neural network (CNN), data analysis, dataset, graph, natural language processing (NLP), граф, набор данных, сверточная нейронная сеть