Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/341111Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Иванова, М. Д. | |
| dc.date.accessioned | 2026-02-05T11:03:43Z | - |
| dc.date.available | 2026-02-05T11:03:43Z | - |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Информационные системы и технологии = Information Systems and Technologies : материалы XI Междунар. науч. конгр. по информатике (CSIST-2025), Респ. Беларусь, Минск, 29–31 окт. 2025 г. В 2 ч. Ч. 1 / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др]. – Минск : БГУ, 2025. – С. 233-240. | |
| dc.identifier.isbn | 978-985-881-851-7 | |
| dc.identifier.isbn | 978-985-881-852-4 (ч. 1) | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/341111 | - |
| dc.description | Раздел III. Интеллектуальный и статистический анализ данных, принятие решений | |
| dc.description.abstract | В работе представлен сравнительный анализ эффективности методов распознавания именованных сущностей категории «Профессия» в русскоязычных текстах. Исследование охватывает словарные подходы, статистические модели (CRF) и современные нейросетевые архитектуры на основе трансформеров (RuBERT). Эксперименты выполнены на специально разработанном размеченном корпусе текстов. Результаты работы применимы для анализа рынка труда и мониторинга вакансий | |
| dc.language.iso | ru | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Математика | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | |
| dc.title | Распознавание именованных сущностей категории «Профессия» в русскоязычных текстах | |
| dc.title.alternative | Named entity recognition of the “Profession” category in Russian-language texts / M. D. Ivanova | |
| dc.type | conference paper | |
| dc.description.alternative | The paper presents a comparative analysis of the effectiveness of methods for named entity recognition of the “Profession” category in Russian-language texts. The study covers dictionary-based approaches, statistical models (CRF) and modern neural architectures based on transformers (RuBERT). Experiments were conducted on a specially developed annotated text corpus. The work results are applicable to labour market analysis and job vacancy monitoring | |
| Располагается в коллекциях: | 2025. Информационные системы и технологии | |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 233-240.pdf | 448,63 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.