Publication:
Методы и алгоритмы машинного обучения для предобработки и классификации слабоструктурированных текстовых данных в научных рекомендательных системах

Простая страница элемента
dc.contributor.advisorГусева, А. И.
dc.contributor.authorКузнецов, И. А.
dc.contributor.authorКузнецов, Игорь Александрович
dc.date.accessioned2024-08-12T10:01:02Z
dc.date.available2024-08-12T10:01:02Z
dc.date.issued2019
dc.descriptionавтореф. дис. ... кандидата техн. наук (05.13.01 - системный анализ, управление и обработка информации (в информационных системах))
dc.identifier.citationКузнецов, И. А. Методы и алгоритмы машинного обучения для предобработки и классификации слабоструктурированных текстовых данных в научных рекомендательных системах : автореф. дис. ... кандидата техн. наук (05.13.01 - системный анализ, управление и обработка информации (в информационных системах)) / И.А. Кузнецов; рук. работы А. И. Гусева ; [Место защиты: Нац. исслед. ядерный ун-т] : НИЯУ МИФИ, 2019. - 26 с.
dc.identifier.urihttps://openrepository.mephi.ru/handle/123456789/12825
dc.identifier.urihttps://lib-repository.mephi.ru/abstracts_of_dissertations_mephi/Kuznecov_IA_Metody_i_algoritmy_mashinnogo_2019.pdf
dc.languagerusru
dc.relation.ispartof26 c.
dc.subjectАвтор МИФИ
dc.subjectПрограммное обеспечение
dc.subjectМашинное обучение
dc.subjectРекомендательные системы
dc.subjectАлгоритм
dc.subject05.13.01 - системный анализ, управление и обработка информации (в информационных системах)
dc.titleМетоды и алгоритмы машинного обучения для предобработки и классификации слабоструктурированных текстовых данных в научных рекомендательных системах
dc.typeАвтореферат диссертации канд. техн. наук
dspace.entity.typePublication
relation.isAuthorOfPublication28706dc3-84c9-4ae4-beea-159bf1ee06a4
relation.isAuthorOfPublication.latestForDiscovery28706dc3-84c9-4ae4-beea-159bf1ee06a4
relation.isOrgUnitOfPublication764cf4b3-672d-44a7-847c-c3d0b3e0e552
Файлы
Original bundle
Теперь показываю 1 - 1 из 1
Уменьшенное изображение
Name:
Kuznecov_IA_Metody_i_algoritmy_mashinnogo_2019.pdf
Size:
1.66 MB
Format:
Adobe Portable Document Format
Description:
Download
Коллекции
Авторефераты диссертаций