Обзор существующих систем семантического анализа текста на естественном языке

[pic 1]

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ
РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное автономное образовательное учреждение

высшего образования 

ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ

ИНСТИТУТ МАТЕМАТИКИ И КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ (ШКОЛА)

Департамент программной инженерии и искусственного интеллекта

ОБЗОР СУЩЕСТВУЮЩИХ СИСТЕМ СЕМАНТИЧЕСКОГО АНАЛИЗА ТЕКСТА НА ЕСТЕСТВЕННОМ ЯЗЫКЕ

КУРСОВАЯ РАБОТА

по дисциплине «Методология научных исследований в программной инженерии»

по образовательной программе подготовки магистров "Разработка программно-информационных систем" по направлению 09.04.04 «Программная инженерия»

Студент группы М9121-09.04.04рпис ________/С.С.Ковальчук

                                                                                                     (подпись)

Профессор кафедры ПММУиПО, д.т.н., доцент

В. М. Гриняк __________________ «___» ____________ 2022 г.

                                                 (подпись)

Защищена оценкой ___________

___________    ______________

      (подпись)                  И.О. Фамилия

«____» _______________ 2022 г.

г. Владивосток

2022 г.

Оглавление

Введение        3

1.        Обзор существующих исследований        5

1.1. Обнаружение аномального поведения судов на основе вероятностной модели ориентированного графа        5

1.2. Составление шаблонов маршрута на основе исторических данных АИС        7

1.3. Обнаружение морских аномалий с использованием кластеризации на основе плотности и рекуррентной нейронной сети        11

1.4. Обнаружение морских аномалий в пределах прибрежных вод, основанное на кластеризации траекторий судов и наивном байесовском методе классификации        13

1.5. Планирование маршрута судна через акватории с интенсивным движением на основе кластеризации траекторий        15

1.6. Поддержка принятия решений при обеспечении безопасности движения судов на основе кластеризации траекторий        17

1.7. Исследования по классификации судов на основе характеристик траекторий        19

2.        Обзор методов кластеризации        21

2.1. Классификация методов кластерного анализа        21

2.2. Описание алгоритмов кластеризации        22

2.2.1. Алгоритм CURE (Clustering Using REpresentatives)        22

2.2.2. Алгоритм BIRCH (balanced iterative reducing and clustering using hierarchies)        24

2.2.3.        Алгоритм MST (Algorithm based on Minimum Spanning Trees)        26

2.2.4. Алгоритм k-means        28

2.2.5. Алгоритм Pam        30

2.2.6.        Алгоритм CLOPE        30

2.2.7.        Самоорганизующиеся карты Кохонена        32

2.2.8.        Алгоритм HCM (Hard C - Means)        35

2.2.9.        Алгоритм Fuzzy C-means        37

2.3. Сравнительная характеристика методов кластеризации        38

Заключение        41

Список литературы        42

Введение

        В современном мире обеспечение безопасности движения судов в условиях интенсивного трафика представляет собой актуальную комплексную научную и прикладную проблему, связанную с совершенствованием основных технических средств и мероприятий по обеспечению безопасной навигации судов. В последнее время в связи с увеличением интенсивности движения в Мировом океане и прибрежно-морской зоне, развитием морских перевозок в России и в странах Европы происходит рост интенсивности движения, что требует разработки новых методов и средств, позволяющих прогнозировать и предотвращать возникновение опасных ситуаций с судами или же обеспечивать прохождения по кратчайшему из возможных путей за кратчайшее время.