Основні завдання лінгвоперсонології. Особливості моделювання формально-змістового, формально-звукового та формально-графічного рівнів діяльності мовної особистості. Типи та засади машинного навчання. Ефективність використання штучних нейронних мереж.
При низкой оригинальности работы "Перспективи застосування машинного навчання для моделювання мовної особистості", Вы можете повысить уникальность этой работы до 80-100%
Discussion: The project "Communicative-pragmatic, discourse, and grammatical lingvopersonology: structuring linguistic identity and computer modeling", which is implementing by the Department of General and Applied Linguistics and Slavonic philology, selected a task to model Yuriy Shevelyov (Sherekh)’ language identity. Завдання, які має бути розвязано, включають 1) зясування сучасного стану розвитку методу машинного навчання; 2) опис моделей, що є результатом машинного навчання; 3) аналіз наявних і перспективних підходів використання штучних нейронних мереж для машинного навчання в межах лінгвоперсонології. Раніше було визначено (Danylyuk, 2016a), що підходи до вивчення мовної особистості включають її: 1) психологічний аналіз; 2) соціологічний аналіз; 3) культурологічний аналіз - моделювання лінгвокультурних типажів - узагальнених відомих представників певних груп суспільства, поведінка яких втілює в собі норми лінгвокультури загалом і впливає на поведінку всіх представників суспільства; 4) лінгвістичний аналіз (опис комунікативної поведінки носіїв елітарної або масової мовної культури, характеристика людей з позицій їхньої комунікативної компетенції, аналіз креативної і стандартної мовного свідомості); 5) прагмалінгвістичний аналіз мовної особистості, в основі якого лежить виділення типів комунікативної тональності, характерної для того чи іншого дискурсу. Власне лінгвістичний підхід до вивчення мовної особистості включає, на нашу думку, а) моделювання формально-змістового рівня діяльності мовної особистості - за допомогою використання розробок корпусної лінгвістики; б) моделювання формально-звукового рівня діяльності мовної особистості - за допомогою систем синтезу мовлення; в) моделювання формально-графічного рівня діяльності мовної особистості - почерку (Danylyuk, 2016b). Виділяють 3 типи МН: а) з учителем: використовуючи набір обєктів (прикладів) і правильних реакцій (відповідей) до них навчитися на давати правильну реакцію (відповідь) на заданий обєкт (приклад).
Список литературы
Bartunov, Sergey, et al. "Breaking Sticks and Ambiguities with Adaptive Skip-gram." ARXIV preprint ARXIV:1502.07257 (2015). Web. 10 Sep. 2016.
Xu, Chang, et al. "Rc-net: A general framework for incorporating knowledge into word representations." Proceedings of the 23rd ACM International Conference on Conference on Information and Knowledge Management. ACM, 2014. Web. 10 Sep. 2016.
Tai, Kai Sheng, Richard Socher, and Christopher D. Manning. "Improved semantic representations from tree- structured long short-term memory networks." ARXIV preprint ARXIV:1503.00075 (2015). Web. 10 Sep. 2016.
Mikolov, Tomas, et al. "Efficient estimation of word representations in vector space." ARXIV preprint ARXIV:1301.3781 (2013). Web. 10 Sep. 2016.
Danylyuk, I. "Korpus tekstiv dlya vyvchennya hramatychnoyi sluzhbovosti." (Text corpora to study of a grammatical auxiliarity) Linhvistychni studiyi (Linguistic Studies) 26 (2013): 224-230. Print.
Danylyuk, I. "Korpus tekstiv dlya vyvchennya hramatychnoyi sluzhbovosti: klasyfikatsiya hramatychnykh klasiv i pidklasiv." (Text corpora for studying a grammatical auxiliarity: classification of grammatical classes and subclasses) Linhvistychni studiyi (Linguistic Studies) 27 (2013): 221-229. Print.
Danylyuk, I. "Teoretychni zasady i metody linhvopersonolohiyi" (Theoretical Principles And Methods of Lingvopersonology) Linhvistychni studiyi (Linguistic Studies) 31 (2016a): 63-66. Print.
Danylyuk, I. "Avtomatyzovani metody opysu ta rozpiznavannya movnoyi osobystosti." (Automated linguistic personality description and recognition methods) Linhvistychni studiyi (Linguistic Studies) 32 (2016b): 93-99. Print.
