АВТОМАТИЧЕСКАЯ КЛАССИФИКАЦИЯ ДОКУМЕНТОВ НА ОСНОВАНИИ ВОЗРАСТНЫХ ГРУПП ИХ АДРЕСАТОВ В СИСТЕМАХ ЭЛЕКТРОННОГО ОБУЧЕНИЯ
Аннотация
В статье обсуждаются возможности реализации механизмов автоматической классификации документов в рамках создания систем электронного обучения. Предлагается интеллектуальная система классификации текстов на основании возрастных групп их потенциальных адресатов. Приводятся результаты вычислительного эксперимента, характеризующего результативность предложенного метода.
Литература
2. Nguyen T. The effectiveness of online learning: beyond no significant difference and future horizons // MERLOT Journal of Online Learning and Teaching. – 2015. – №2. – P. 309-319.
3. Arkorful V., Abaidoo N. The role of e-learning, the advantages and disadvantages of its adoption in higher education // International Journal of Education and Research. – 2014. – №12. – P. 397-410.
4. Doneva R, Gaftandzhieva S. Automated e-learning quality evaluation // Proceedings of International Conference on e-Learning. – Bratislava, Slovakia, 2014. – P. 169-174.
5. Bodrow W. Evaluation of enterprise skills from the perspective of university education // Proceedings of International Conference on e-Learning. – Bratislava, Slovakia, 2015. – P. 130-135.
6. Баженова И.Ю. Современные подходы к формированию профессиональных компетенций в области применения языков программирования // Современные информационные технологии и ИТ-образование. – 2015. – Т. 1 (№11). – С. 130-134.
7. Parra B.J. Learning strategies and styles as a basis for building personal learning environments // International Journal of Educational Technology in Higher Education. – 2016. – №11. – P. 70-77.
8. Shivdas P.A., Sivakumar S. Innovation in services: A lancastrian approach to the field of e-learning // Education and Information Technologies. – 2016. – №6. – P. 1913–1925.
9. Sharifabadi S.R. How digital libraries can support e-learning // The Electronic Library. – 2006. – №3. – P. 389-401.
10. Onan A., Korukoǧlu S., Bulut H. Ensemble of keyword extraction methods and classifiers in text classification // Expert Systems with Applications. – 2016. – Vol. 57. – P. 232-247.
11. Zhitomirsky-Geffet M., David E., Koppel M., Uzan H. Utilizing overtly political texts for fully automatic evaluation of political leaning of online news websites // Online Information Review. – 2016. – №3. – P. 362-379.
12. Ле М.Х. Оптимизация алгоритма knn для классификации текстов // Труды Московского физико-технического института. – 2016. – № 1. – С. 92-94.
13. Fedotov A.M., Barakhnin V.B., Fedotova O.A., Zhizhimov O.L. A model of digital library to support research activities // Cовременные информационные технологии для фундаментальных научных исследований в области наук о земле: материалы Международной конференции. – Петропавловск-Камчатский, 2014. – С. 22.
14. Malki Z. Information and communication technologies role in developing electronic libraries and information centers // Journal of Theoretical and Applied Information Technology. – 2015. – № 2. – P. 167-183.
15. Tella A. Electronic and paper based data collection methods in library and information science research: A comparative analyses // New Library World. – 2015. – №9-10. – P. 362-379.
16. Akker R., Traum D. A comparison of addressee detection methods for multiparty conversations // Proc. of methods for multiparty conversations. – Amsterdam, 2009. – P. 99-106.
17. Choi D., Ko B., Kim H., Kim P. Text analysis for detecting terrorism-related articles on the Web // Journal of Network and Computer Applications. – 2013. –№5. – P. 37-46.
18. Lee H., Stolcke A., Shriberg E. Using out-of-domain data for lexical addressee detection in human-human
-computer dialog // Proc. North American ACL/Human Language Technology Conference. – Atlanta, 2013. –
P. 215-219.
19. Национальный корпус русского языка [Электронный ресурс]. 2015. URL: http:// ruscorpora.ru/ (дата обращения: 05.10.2016).
20. «База данных метатекстовой разметки Национального корпуса русского языка» (коллекция детской литературы)». 2014.
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Редакционная политика журнала основывается на традиционных этических принципах российской научной периодики и строится с учетом этических норм работы редакторов и издателей, закрепленных в Кодексе поведения и руководящих принципах наилучшей практики для редактора журнала (Code of Conduct and Best Practice Guidelines for Journal Editors) и Кодексе поведения для издателя журнала (Code of Conduct for Journal Publishers), разработанных Комитетом по публикационной этике - Committee on Publication Ethics (COPE). В процессе издательской деятельности редколлегия журнала руководствуется международными правилами охраны авторского права, нормами действующего законодательства РФ, международными издательскими стандартами и обязательной ссылке на первоисточник.
Журнал позволяет авторам сохранять авторское право без ограничений. Журнал позволяет авторам сохранить права на публикацию без ограничений.
Издательская политика в области авторского права и архивирования определяются «зеленым цветом» в базе данных SHERPA/RoMEO.
Все статьи распространяются на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная, которая позволяет другим использовать, распространять, дополнять эту работу с обязательной ссылкой на оригинальную работу и публикацию в этом журналe.
