Лан Ч. . Методології та програмні засоби класифікації природомовних текстових документів

Дисертаційна робота присвячена вирішенню задачі автоматичної ідентифікації мови і класифікації текстових природомовних документів. Запропоновано метод автоматичної ідентифікації мови з використанням статистик N-грам, проведено порівняльний аналіз різних способів класифікації текстових документів з метою вибору оптимальних за точністю і повнотою, запропонована класифікація природомовних текстових документів з використанням розробленого методу статистик N-грам, запропоновано метод автоматичного створення багатотемної класифікації текстових документів в реальному часі, створено програмний модуль для ідентифікації мови та класифікації багатотемних текстових документів. Запропонований спосіб класифікації текстів і документів дозволив підвищити точність і швидкість класифікації, розробити відповідні програмні засоби для використання в системах автоматичної обробки текстів в багатомовних інформаційних системах.