intechnguВестник НГУ. Серия: Информационные технологииVestnik NSU. Series: Information Technologies1818-79002410-0420НГУ10.25205/1818-7900-2022-20-2-27-36intechngu-196Research ArticleСтатьиКлассификация научных текстов по специальностям методами машинного обученияScientific Texts Classification by Speciality with Machine Learning MethodsИномовБ. Б.InomovB.

Иномов Бехруз Бурхонович, докторант (Ph.D.), старший преподаватель кафедры цифровой экономики, Политехнический институт Таджикского технического университета имени академика М. С. Осими 

Худжанд

 

Behruz B. Inomov, Ph.D, Senior Lecturer of Digital Economy Department, Polytechnic Institute of the Tajik Technical University named after academician MS Osimi

Khujand

behruzinomov@gmail.comТропманн-ФрикM.Tropmann-FrickM.

Marina Tropmann-Frick, профессор науки данных кафедры компьютерных наук, Гамбургский университет прикладных наук (HAW Hamburg)

Гамбург

Marina Tropmann-Frick, Professor of Data Science, Department of Computer Science, University of Applied Sciences (HAW Hamburg)

Hamburg

marina.tropmann-frick@haw-hamburg.deТаджикский технический университет им. акад. М. С. ОсимиТаджикистанTajik Technical University named after academician M. S. OsimiTajikistanГамбургский университет прикладных наукГерманияHamburg University of Applied SciencesGermany2022081020222022736Copyright © Иномов Б.Б., Тропманн-Фрик M., 20222022Иномов Б.Б., Тропманн-Фрик M.Inomov B., Tropmann-Frick M.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://intechngu.elpub.ru/jour/article/view/196

Данная статья исследует экспериментальную задачу проблемы классификации научных текстовых материалов на основе методов машинного и глубокого обучения (Machine Learning & Deep Learning). Для решения задачи предложен метод классификации текстов, учитывающий предобработку и специфику научных текстовых материалов, позволяющий при использовании алгоритмов ML, повысить точность и быстродействие классификации текстов. Проведено исследование методов индексации и классификации по специальностям для базы научных текстовых материалов. Рассмотрены оценки качества алгоритмов ML и получены результаты сравнений классификации диссертационных работ по специальностям методами машинного обучения в рамках существующей обучающей выборки научных материалов.

This article investigates the problem of experimental study classification problem of scientific text materials by utilizing the methods of Machine Learning and Deep Learning. The experimental study based on text classification method which proposed preprocessing and specificity of scientific text materials by using the ML algorithms to improve accuracy and speed of text classification was conducted. The analysis of indexation and classification methods by specialties was conducted for a set of scientific text materials. The evaluation and comparison of ML algorithms’ quality was considered, and the results of dissertational works’ classification by machine learning methods within the framework of the existing training set of scientific materials were obtained.

классификациядиссертационная работаLogistic RegressionSVMSGDMLPScikit-Learnata classificationthesis work specialtiesLogistic RegressionSVMSGDMLPScikit-LearnReferencesМаксудов Х. Т., Иномов Б. Б., Муллоджанов Н. М. Сравнительный анализ методов «дерево решений» и «случайный лес» – при определении специальности научных текстов // Вестник таджикского национального университета серия: естественных наук 2019. № 3. – Душанбе : ТНУ, 2019. С. 23–28.Maqsudov Kh. T., Inomov B. B., Mullojonov N. M. Comparative analysis of methods «Decision tree» and «random forest» in determining the specialty of scientific texts // Bulletin of the Tajik national university: series of natural sciences 2019. № 3. – Dushanbe: TNU, 2019. – pp. 23–28.Максудов Х. Т., Иномов Б. Б. Оценка эффективности методов k-ближайших соседей и логистической регрессии при определении специальности научных текстов // Политехнический Вестник серия: Интеллект. Инновации. Инвестиции. 4(48)2019. – Душанбе: ТТУ, 2019. С. 34–38.Maqsudov Kh. T., Inomov B. B. Evaluation of the effectiveness of k-nearest neighbors and logistic regression methods in determining the specialty of scientific texts // Polytechnic Bulletin series: intelligence. Innovation. Investments. 4 (48)2019. – Dushabe: TTU, 2019. – pp. 34–38.Гусев П. Ю. Разработка системы классификации текстов по научным специальностям с применением методов машинного обучения // Вестник НГУ. Серия: Информационные технологии. 2021. Том 19, № 1Gusev P. Yu. Development of a Classification System for Texts by Scientific Specialties Using Machine Learning Methods // Vestnik NSU. Series: Information Technologies, 2021, vol. 19, no. 1Данилов Г. В. и др. Сравнительный анализ статистических методов классификации научных публикаций в области медицины // Компьютерные исследования и моделирование. 2020. Т. 12, № 4. С. 921–933. DOI 10.20537/2076-7633-2020-12-4-921-933.Danilov G. V. et al. Sravnitel’nyj analiz statisticheskih metodov klassifikacii nauchnyh publickacij v oblasti mediciny [Comparative analysis of statistical methods for the classification of scientific publications in the field of medicine]. Komp’juternye issledovanija i modelirovanie, 2020, vol. 12, no. 4, p. 921–933 (in Russ). DOI 10.20537/2076-7633-2020-12-4-921-933.Научная электронная библиотека диссертаций и авторефератов: [Электронный ресурс]. URL: https://www.dissercat.com/ (дата обращения: 10-09-2018).Kepa M., Szymanski J. Two stage SVM and kNN text documents classifier, In: Pattern Recognition and Machine Intelligence, Kryszkiewicz M. (Ed.), Lecture Notes in Computer Science, Vol. 9124, pp. 279–289, 2015Kepa M., Szymanski J., Two stage SVM and kNN text documents classifier, In: Pattern Recognition and Machine Intelligence, Kryszkiewicz M. (Ed.), Lecture Notes in Computer Science, Vol. 9124, pp. 279–289, 2015.Adeniyi D. A., Wei Z., Yongquan Y. Automated web usage data mining and recommendation system using K-Nearest Neighbor (KNN)classification method // Applied Computing and Informatics. – 2016. – Vol. 12. – № 1. – С. 90–108.Adeniyi D. A., Wei Z., Yongquan Y. Automated web usage data mining and recommendation system using K-Nearest Neighbor (KNN)classification method // Applied Computing and Informatics. – 2016. – Т. 12. – № 1. С. 90–108.Baralis E., Cagliero L., Garza P. EnBay: A novel pattern-based Bayesian classifier, Tkde, vol. 25, no. 12, pp. 2780–2795, 2013.Baralis E., Cagliero L., Garza P. EnBay: A novel pattern-based Bayesian classifier, Tkde, vol. 25, no. 12, pp. 2780–2795, 2013.Tang B. et al. A Bayesian classification approach using class-specific features for text categorization // IEEE Transactions on Knowledge and Data Engineering. – 2016. – Vol. 28. – № 6. – С. 1602–1606.Tang B. et al. A Bayesian classification approach using class-specific features for text categorization // IEEE Transactions on Knowledge and Data Engineering. – 2016. – Т. 28. – № 6. – С. 1602–1606.Yoo J. Y., Yang D. Classification scheme of unstructured text document using TF-IDF and naive bayes classifier // Advanced Scienceand Technology Letters. – 2015. – Vol. 3. – С.263–266.Yoo J. Y., Yang D. Classification scheme of unstructured text document using TF-IDF and naive bayes classifier // Advanced Scienceand Technology Letters. – 2015–Т. 3. – С. 263–266.Lilleberg J., Zhu Y., Zhang Y. Support vector machines and word2vec for text classification with semantic features // Cognitive Informatics & Cognitive Computing (ICCI* CC), 2015 IEEE 14th International Conference on. – IEEE, 2015. – С. 136–140.Lilleberg J., Zhu Y., Zhang Y. Support vector machines and word2vec for text classification with semantic features // Cognitive Informatics & Cognitive Computing (ICCI* CC), 2015 IEEE 14th International Conference on. – IEEE, 2015. – С. 136–140Barik R. C., Naik B. A Novel Extraction and Classification Technique for Machine Learning using Time Series and Statistical Approach, Computational Intelligence in Data Mining, vol. 3, pp. 217–228, 2015.Barik R. C., Naik B. A Novel Extraction and Classification Technique for Machine Learning using Time Series and Statistical Approach, Computational Intelligence in Data Mining, vol. 3, pp. 217–228, 2015.Liu Z., Lv X., Liu K., Shi S., Study on SVM compared with the other text classification methods, 2nd Int. Work. Educ. Technol. Comput. Sci. ETCS 2010, vol. 1, pp. 219–222, 2010.Liu Z., Lv X., Liu K., Shi S. Study on SVM compared with the other text classification methods, 2nd Int. Work. Educ. Technol. Comput. Sci. ETCS 2010, vol. 1, pp. 219–222, 2010.Pliakos K., Geurts P., Vens C. Global multi-output decision trees for interaction prediction // Machine Learning. – 2018. – С. 1–25.Pliakos K., Geurts P., Vens C. Global multi-output decision trees for interaction prediction // Machine Learning. – 2018. – С. 1–25.Inomov B. B. Resources, source code, results. [Electronic resource]. URL: https://drive.google. com/open?id=13SaeBHidtCPpOdXTmtlGMWiT_WwbkujG (seen: 06.04.2019).Иномов Б. Б. Ресурсы, код, результаты работы. [Электронный ресурс]. URL: https://drive.google.com/open?id=13SaeBHidtCPpOdXTmtlGMWiT_WwbkujG (дата обращения: 06.04.2019).TF-IDF — Wikipedia. [Electronic resource]. URL: https://ru.wikipedia.org/wiki/TF-IDF (seen: 06.04.2019).TF-IDF — Википедия. [Электронный ресурс]. URL: https://ru.wikipedia.org/wiki/TF-IDF (дата обращения: 06.04.2019).Sklearn.feature_extraction.text.CountVectorizer [Electronic resource]. URL: https://scikitlearn.org/stable/modules/generated/sklearn.feature_extraction.text.CountVectorizer.html (seen: 16.03.2019).Sklearn.feature_extraction.text.CountVectorizer. [Электронный ресурс]. URL: https://scikitlearn.org/stable/modules/generated/sklearn.feature_extraction.text.CountVectorizer.html (дата обращения: 16-03-2019).Sklearn.feature_extraction.text.CountVectorizer. [Электронный ресурс]. URL: https://scikitlearn.org/stable/modules/generated/sklearn.feature_extraction.text.CountVectorizer.html (дата обращения: 16-03-2019).

The authors declare that there are no conflicts of interest present.