Search academic texts

Information × Registration Number 2124U001203, Article popup.category Бакалаврська робота Title popup.author Шапошнікова Софія Віталіївна popup.publication 01-01-2024 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/70548 popup.publisher Київ Description Дипломна робота: 150 сторінок, 6 таблиць, 37 рисунків, 2 додатки, 24 посилання. Мета дослідження — підвищити ефективність та точність використання великих мовних моделей та методів машинного навчання у процесі аналізу відповідей на відкриті запитання, а також пошуку відео з YouTube на основі аналізу недоліків текстової відповіді. Об’єкт дослідження — оцінка текстів відповідей на запитання відкритого типу, текстове обґрунтування виставленої оцінки та пошук відео з YouTube на основі аналізу недоліків текстової відповіді. Предмет дослідження — методи машинного навчання та великі мовні моделі для оцінки та аналізу текстових відповідей на відкриті запитання, LLM агенти для пошуку релевантих навчальних відео в YouTube. Методи дослідження — методи обробки природної мови, такі як векторне представлення слів та глибоке навчання для покращення точності аналізу відповідей на відкриті запитання, а також LLM агенти для пошуку та аналізу додаткових матеріалів. Вивчено проблеми ефективності та точності аналізу відповідей на відкриті запитання за допомогою великих мовних моделей. Розроблено та реалізовано методи аналізу та оцінки відповідей на відкриті запитання, використовуючи попередньо навчені великі мовні моделі та техніки машинного навчання. Проведено експерименти з різними методами обробки відповідей, включаючи векторне представлення слів, трансформерні архітектури та механізми уваги. Оцінено ефективність та точність розроблених методів в порівнянні з існуючими підходами до аналізу відповідей на відкриті запитання. Проведено порівняльний аналіз результатів роботи розроблених методів та їх вплив на якість та швидкодію аналізу великих обсягів текстових даних. Створено систему для пояснень оцінки відповідей на відкриті запитання з допомогою методу Retrieval Augmented Generation (RAG). Розроблено та реалізовано систему для пошуку навчальних відео з YouTube на основі аналізу недоліків текстової відповіді. Створено зручний інтерфейс для взаємодії з системою оцінки відповідей на відкриті запитання та пошуку навчальних відео з YouTube. Результати роботи можуть бути використані для покращення систем автоматичного оцінювання та перевірки знань, розробки інтелектуальних асистентів для навчання та навчальних платформ, а також для підвищення якості обробки великих обсягів текстової інформації в різних сферах, таких як освіта, технології тощо. popup.nrat_date 2025-01-29 Close