Преимущества и недостатки использования нейросетей для обработки естественного языка (NLP)

doi:10.17223/19996195/67/5

Эндаумент фонд ТГУ!
Впиши своё имя в историю университета
- Сделать пожертвование -

Ширяева, Алена Андреевна | Новицкая, Ирина Владимировна

Add to "Quick Collection"

Description	Size	Format
Преимущества и недостатки использования нейросетей для обработки естественного языка (NLP)	656 KB	Adobe Acrobat PDF	Read	Download
DOI Доступ к ресурсу на сайте издателя			10.17223/19996195/67/5

#обработка естественного языка

Title: Преимущества и недостатки использования нейросетей для обработки естественного языка (NLP)
Creator: Ширяева, Алена Андреевна
|
Новицкая, Ирина Владимировна
Date: 2024
DOI: 10.17223/19996195/67/5
Description: В настоящее время в научной литературе подробно рассматрива- ется применение нейронных сетей для обработки естественного языка (NLP), по- скольку этот вопрос имеет широкое практическое внедрение. Например, все больше компаний, в которых так или иначе используется обработка естествен- ного языка, отдают предпочтение нейротехнологиям. В 2015 г. Baidu запустила один из первых проектов по созданию нейронного машинного перевода, а в 2023 г. компания «Яндекс» добавила в голосового помощника Алису нейросеть YandexGPT, которая теперь может генерировать тексты на любую тему. Многочисленные сообщения о подобных технических инновациях в различных компаниях говорят о том, что нейронная сеть в области обработки языка уже заслужила различной тематики и т.д. Кроме того, дается определение нейронной сети, расписывается механизм работы трех ее типов: рекурсивной, рекуррентной и сверточной. К каждому из них прилагается схема устройства сети, чтобы возможно было наглядно представить себе принцип ее работы. Выделяемые у нейросетей особенности и характерные черты связаны с тем, какие объемы данных может обрабатывать данный вид нейросети, с помощью какого алгоритма происходит сам анализ входных данных и какой результат получается в итоге. На основе полученных в ходе анализа данных выделяются сферы обработки естественного языка, в которых наиболее эффективной будет тот или иной тип нейросети. большое доверие со стороны многих авторитетных компаний, которые выделяют крупные средства для ее улучшения. Однако нейросети в области NLP далеко несовершенны, у них есть как свои преимущества, так и недостатки. Хотя сейчас активно идет процесс улучшения нейронных сетей, их совершенствование требует большого количества времени и ресурсов. Для текущего периода актуально уметь правильно использовать уже созданную технологию, стараясь учитывать ее слабые места, и по возможности улучшать устройство нейронных моделей. Для того чтобы наиболее эффективным образом применить эту технологию в области обработки естественного языка, необходимо сначала более подробно проанализировать ее плюсы и минусы. Выявленные недостатки в будущем помогут сделать систему лучше, а преимущества той или иной модели позволят наилучшим образом использовать ее в разных областях NLP. Сам процесс обработки естественного языка имеет ряд особенностей, которые связаны с его устройством как системы в целом. Это является важным фактором, который необходимо учитывать при обработке материала искусственным интеллектом. Он является клю- чевым при анализе материала и в нашем исследовании. Цель статьи заключается в сравнении преимуществ и недостатков основных нейронных моделей, которые используются в сфере NLP. Данный подход позволяет выявить черты наиболее универсальной нейронной сети, которая показывает высокую эффективность во многих областях применения. Дается определение естественной обработки языка, описываются основные сферы, в которых она имеет большое значение. Например, на NLP во многом ос- нован автоматический перевод, создание голосовых помощников, обработка устной речи, анализ настроений и мнений пользователей, их эмоционального настроя, классификация и категоризация текстов, генерирование текстов самой