Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elibrary.kdpu.edu.ua/xmlui/handle/123456789/10250Повний запис метаданих
| Поле DC | Значення | Мова |
|---|---|---|
| dc.contributor.author | Ляшенко, Роман Олегович | - |
| dc.date.accessioned | 2024-07-10T08:03:26Z | - |
| dc.date.available | 2024-07-10T08:03:26Z | - |
| dc.date.issued | 2024-06-12 | - |
| dc.identifier.citation | Ляшенко Р. О. Оцінка ефективності різних моделей навчання чат-ботів на діалогових наборах даних : кваліфікаційна робота / керівник – д-р пед. наук, проф., ст. досл. Сергій Олексійович Семеріков. Кривий Ріг, 2024. 60 с. Робота захищена з оцінкою "відмінно" А 100. Дата захисту 22.06.24 | uk |
| dc.identifier.uri | http://elibrary.kdpu.edu.ua/xmlui/handle/123456789/10250 | - |
| dc.description | 1. “I wouldn’t say offensive but...”: Disability-Centered Perspectives on Large Language Models / V. Gadiraju [та ін.] // ACM International Conference Proceeding Series. — Association for Computing Machinery, 2023. — С. 205—216. — DOI: 10.1145/3593013.3593989. 2. A chatbot proposal for tele orientation on breastfeeding; [Uma proposta de chatbot para tele orientação sobre aleitamento materno] / J. B. dos Santos Junior [та ін.] // RISTI - Revista Iberica de Sistemas e Tecnologias de Informacao. — 2021. — Т. 2021, E42. — С. 357—363. 3. A virtual counseling application using artificial intelligence for communi- cation skills training in nursing education: Development study / S. Shorey [та ін.] // Journal of Medical Internet Research. — 2019. — Т. 21, № 10. — DOI: 10.2196/14658. 4. Alaswad S., Kalganova T., Awad W. Using ChatGPT and other LLMs in Professional Environments // Information Sciences Letters. — 2023. — Т. 12, № 9. — С. 2097—2108. — DOI: 10.18576/isl/120916. 5. An overview of the features of chatbots in mental health: A scoping review / A. A. Abd-alrazaq [та ін.] // International Journal of Medical Informatics. — 2019. — Т. 132. — DOI: 10.1016/j.ijmedinf.2019.103978. 6. Artificial intelligence chatbot performance in triage of ophthalmic condi- tions / R. J. Lyons [та ін.] // Canadian Journal of Ophthalmology. — 2023. — DOI: 10.1016/j.jcjo.2023.07.016. 7. Artificial Neural Network Based University Chatbot System / N. Bhartiya [та ін.] // 2019 IEEE Bombay Section Signature Conference, IBSSC 2019. 2019January. — Institute of Electrical, Electronics Engineers Inc., 2019. — DOI: 10.1109/IBSSC47189.2019.8973095. 8. Attention Is All You Need / A. Vaswani [та ін.]. — 2023. — arXiv: 1706.03762 [cs.CL]. 9. Attitude detection for one-round conversation: Jointly extracting target-polarity pairs / Z. Zeng [та ін.] // Journal of Information Processing. — 2019. — Т. 27. — С. 742—751. — DOI: 10.2197/IPSJJIP.27.742. 10. Big Bot Makes Small Talk: A research summary of Facebook’s Generative BST chatbot. — 05.2020. — URL: https://www.deeplearning.ai/the-batch/big-bot-makes-small-talk/. 11. BilinBot: A Bilingual Chatbot using Deep Learning / S. S. Jennifer [та ін.] // HORA 2023 - 2023 5th International Congress on Human-Computer Interaction, Optimization and Robotic Applications, Proceedings. — Institute of Electrical, Electronics Engineers Inc., 2023. — DOI: 10.1109/HORA58378.2023.10156681. 12. Bot Comic: How Google’s Meena chatbot developed a sense of humor. — 02.2020. — URL: https://www.deeplearning.ai/the-batch/bot-comic/. 13. Bozzon A. Enterprise crowd computing for human aided chatbots // Proceedings - International Conference on Software Engineering. — IEEE Computer Society, 2018. — С. 29—30. — DOI: 10.1145/3195555.3195566. 14. Can large language models write reflectively / Y. Li [та ін.] // Computers and Education: Artificial Intelligence. — 2023. — Т. 4. — DOI: 10.1016/j.caeai.2023.100140. 15. Centre for Science and Technology Studies, Leiden University, The Netherlands. VOSviewer - Visualizing scientific landscapes. — 2023. — URL: https://www.vosviewer.com/. 16. Chatbot design method using hybrid word vector expression model based on real telemarketing data / J. Zhang [та ін.] // KSII Transactions on Internet and Information Systems. — 2020. — Т. 14, № 4. — С. 1400—1418. — DOI: 10.3837/TIIS.2020.04.001. 17. Chatbot Integrated with Machine Learning Deployed in the Cloud and Performance Evaluation / G. R. Gunnam [та ін.] // IS and T International Symposium on Electronic Imaging Science and Technology. Т. 34. — Society for Imaging Science, Technology, 2022. — DOI: 10.2352/EI.2022.34.3.MOBMU-205. 18. Chatbots Disagree on Covid-19: Medical chatbots offered conflicting Covid advice. — 04.2020. — URL: https://www.deeplearning.ai/the-batch/chatbots-disagree-on-covid-19/. 19. Chatbots for Productivity: Microsoft extends Copilot to 365 and Windows. — 09.2023. — URL: https://www.deeplearning.ai/the-batch/microsoft-extends-copilot-365-windows/. 20. China Chases Chatbots: Chinese tech companies race to cash in on ChatGPT fever. — 03.2023. — URL: https://www.deeplearning.ai/the-batch/chinese-tech-companies-race-to-cash-in-on-chatgpt-fever/. 21. Chou T.-L., Hsueh Y.-L. A Task-oriented Chatbot Based on LSTM and Reinforcement Learning // Proceedings of the 2019 3rd International Conference on Natural Language Processing and Information Retrieval. — Tokushima, Japan : Association for Computing Machinery, 2019. — С. 87—91. — (NLPIR ’19). — DOI: 10.1145/3342827.3342844. 22. Comparative Performance of ChatGPT and Bard in a Text-Based Radiology Knowledge Assessment / N. S. Patil [та ін.] // Canadian Association of Radiologists Journal. — 2023. — DOI: 10.1177/08465371231193716. 23. Cost Containment for Generative AI: Microsoft’s quest to reduce the size and cost of language models. — 10.2023. — URL: https://www.deeplearning.ai/the-batch/microsofts-quest-to-reduce-the-size-and-cost-of-language-models/. 24. CS&SE@SW 2023: 6th Workshop for Young Scientists in Computer Science & Software Engineering. — 02.2024. — URL: https://cssesw.ccjournals.eu/cssesw2023/. 25. Day M.-Y., Shaw S.-R. AI Customer Service System with Pre-trained Language and Response Ranking Models for University Admissions // Proceedings - 2021 IEEE 22nd International Conference on Information Reuse and Integration for Data Science, IRI 2021. — Institute of Electrical, Electronics Engineers Inc., 2021. — С. 395—401. — DOI: 10.1109/IRI51335.2021.00062. 26. Deep reinforcement learning from human preferences / P. Christiano [та ін.]. — 2023. — arXiv: 1706.03741 [stat.ML]. 27. DeepLearning.AI. Search | The Batch | AI News & Insights. — 12.2023. — URL: https://www.deeplearning.ai/search/. 28. Detecting Entities of Works for Chinese Chatbot / C. Wu [та ін.] // ACM Transactions on Asian and Low-Resource Language Information Processing. — 2020. — Т. 19, № 6. — DOI: 10.1145/3414901. 29. Dharrao D., Gite S. TherapyBot: a chatbot for mental well-being using transformers // International Journal of Advances in Applied Sciences. — 2024. — Бер. — Т. 13, № 1. — С. 1—12. — ISSN 2252-8814. — DOI: 10.11591/ijaas.v13.i1.pp1-12. 30. Doshi J. Chatbot User Interface for Customer Relationship Management using NLP models // Proceedings - 2021 1st IEEE International Conference on Artificial Intelligence and Machine Vision, AIMV 2021 / за ред. P. S., B. S.K., G. R.K. — Institute of Electrical, Electronics Engineers Inc., 2021. — DOI: 10.1109/AIMV53313.2021.9670914. 31. Elaprolu S. Introducing the AWS Generative AI Innovation Center’s Custom Model Program for Anthropic Claude. — 11.2023. — URL: https://aws.amazon.com/blogs/machine-learning/introducing-the-aws-generative-ai-innovation-centers-custom-model-program-for-anthropic-claude/. 32. Elsevier B.V. Scopus - Document search | Signed in. — 2023. — URL: https://www.scopus.com/search/form.uri?display=basic#basic. 33. Goal-Oriented Chatbot Dialog Management Bootstrapping with Transfer Learning / V. Ilievski [та ін.] // Proceedings of the Twenty-Seventh International Joint Conference on Artificial Intelligence, IJCAI-18. — International Joint Conferences on Artificial Intelligence Organization, 07.2018. — С. 4115—4121. — DOI: 10.24963/ijcai.2018/572. 34. Gonda D. E., Chu B. Chatbot as a learning resource? Creating conversational bots as a supplement for teaching assistant training course // TALE 2019 - 2019 IEEE International Conference on Engineering, Technology and Education. — Institute of Electrical, Electronics Engineers Inc., 2019. — DOI: 10.1109/TALE48000.2019.9225974. 35. Google. Google AI Studio. — 2024. — URL: https://aistudio.google.com/. 36. Google. Available regions for Google AI Studio and Gemini API. — 2024. — URL: https://ai.google.dev/gemini-api/docs/available-regions. 37. Healthcare ex Machina: Are conversational agents ready for prime time in oncology? / J.-E. Bibault [та ін.] // Clinical and Translational Radiation Oncology. — 2019. — Т. 16. — С. 55—59. — DOI: 10.1016/j.ctro.2019.04.002. 38. Henrickson L. Chatting with the dead: The hermeneutics of thanabots // Media, Culture and Society. — 2023. — Т. 45, № 5. — С. 949—966. — DOI: 10.1177/01634437221147626. 39. Implementation of an Undergraduate Admission Chatbot Using Microsoft Azure’s Question Answering and Bot Framework / A. G. Usigan [та ін.] // ACM International Conference Proceeding Series. — Association for Computing Machinery, 2022. — С. 240—245. — DOI: 10.1145/3582099.3582135. 40. Improving Matching Models with Hierarchical Contextualized Representations for Multi-turn Response Selection / C. Tao [та ін.] // SIGIR 2020 - Proceedings of the 43rd International ACM SIGIR Conference on Research and Development in Information Retrieval. — Association for Computing Machinery, Inc, 2020. — С. 1865—1868. — DOI: 10.1145/3397271.3401290. 41. Insights and Reflections of the Impact of ChatGPT on Intelligent Knowledge Services in Libraries / R. Zhao [та ін.] // Journal of Library and Information Science in Agriculture. — 2023. — Т. 35, № 1. — С. 29—38. — DOI: 10.13998/j.cnki.issn1002-1248.23-0116. 42. Intelligent Chatbot Adapted from Question and Answer System Using RNN-LSTM Model / P. Anki [та ін.] // Journal of Physics: Conference Series. — 2021. — Бер. — Т. 1844, № 1. — С. 012001. — DOI: 10.1088/1742-6596/1844/1/012001. 43. Investigating ChatGPT and cybersecurity: A perspective on topic modeling and sentiment analysis / O. D. Okey [та ін.] // Computers and Security. — 2023. — Т. 135. — DOI: 10.1016/j.cose.2023.103476. 44. Ji Z. A Multi-modal Seq2seq Chatbot Framework // Proceeding of 2021 International Conference on Wireless Communications, Networking and Applications / за ред. Z. Qian, M. Jabbar, X. Li. — Singapore : Springer Nature, 2022. — С. 225—233. — DOI: 10.1007/978-981-19-2456-9_24. 45. Kansal A. Finetuning: The Theory // Building Generative AI-Powered Apps: A Hands-on Guide for Developers. — Berkeley, CA : Apress, 2024. — С. 77—100. — DOI: 10.1007/979-8-8688-0205-8_5. 46. Kim B., Seo J., Koo M.-W. Randomly Wired Network Based on RoBERTa and Dialog History Attention for Response Selection // IEEE/ACM Transactions on Audio Speech and Language Processing. — 2021. — Т. 29. — С. 2437—2442. — DOI: 10.1109/TASLP.2021.3077119. 47. Language Models are Unsupervised Multitask Learners / A. Radford [та ін.]. — 02.2019. — URL: https://cdn.openai.com/better-language-models/language_models_are_unsupervised_multitask_learners. pdf. 48. Language Models, Extended: Large language models grew more reliable and less biased in 2022. — 12.2022. — URL: https://www.deeplearning. ai/the-batch/language-models-grew-more-reliable-and-less- biased-in-2022/. 49. Large language models in health care: Development, applications, and challenges / R. Yang [та ін.] // Health Care Science. — 2023. — Т. 2, № 4. — С. 255—263. — DOI: 10.1002/hcs2.61. 50. Learning from dialogue after deployment: Feed yourself, Chatbot! / B. Hancock [та ін.] // ACL 2019 - 57th Annual Meeting of the Association for Computational Linguistics, Proceedings of the Conference. — Association for Computational Linguistics (ACL), 2020. — С. 3667—3684. 51. Lee M. A Mathematical Investigation of Hallucination and Creativity in GPT Models // Mathematics. — 2023. — Т. 11, № 10. — С. 2320. — DOI: 10.3390/math11102320. 52. Lee P., Bubeck S., Petro J. Benefits, Limits, and Risks of GPT-4 as an AI Chatbot for Medicine. // New England Journal of Medicine. — 2023. — Т. 388, № 13. — С. 1233—1239. — DOI: 10.1056/NEJMsr2214184. 53. Lee S.-W., Choi W.-J. Utilizing ChatGPT in clinical research related to anesthesiology: a comprehensive review of opportunities and limitations // Anesthesia and Pain Medicine. — 2023. — Т. 18, № 3. — С. 244—251. — DOI: 10.17085/apm.23056. 54. Lin L., D’Haro L. F., Banchs R. E. A web-based platform for collection of human-chatbot interactions // HAI 2016 - Proceedings of the 4th International Conference on Human Agent Interaction. — Association for Computing Machinery, Inc, 2016. — С. 363—366. — DOI: 10.1145/2974804.2980500. 55. Lin Y., Yu Z. A bibliometric analysis of artificial intelligence chatbots in educational contexts // Interactive Technology and Smart Education. — 2023. — DOI: 10.1108/ITSE-12-2022-0165. 56. Lo C. K. What Is the Impact of ChatGPT on Education? A Rapid Review of the Literature // Education Sciences. — 2023. — Т. 13, № 4. — DOI: 10.3390/educsci13040410. 57. Lum Z. C. Can Artificial Intelligence Pass the American Board of Orthopaedic Surgery Examination? Orthopaedic Residents Versus ChatGPT // Clinical Orthopaedics and Related Research. — 2023. — Т. 481, № 8. — С. 1623—1630. — DOI: 10.1097/CORR.0000000000002704. 58. Luthier G., Popescu-Belis A. Chat or learn: A Data-driven robust question-answering system // LREC 2020 - 12th International Conference on Language Resources and Evaluation, Conference Proceedings. — European Language Resources Association (ELRA), 2020. — С. 5474—5480. 59. Measuring and Mitigating Bias in AI-Chatbots / H. Beattie [та ін.] // Proceeding - 2022 IEEE International Conference on Assured Autonomy, ICAA 2022. — Institute of Electrical, Electronics Engineers Inc., 2022. — С. 117—123. — DOI: 10.1109/ICAA52185.2022.00023. 60. Nielsen J. P. S., Buchwald C. von, Grønhøj C. Validity of the large language model ChatGPT (GPT4) as a patient information source in otolaryngology by a variety of doctors in a tertiary otorhinolaryngology department // Acta Oto-Laryngologica. — 2023. — Т. 143, № 9. — С. 779—782. — DOI: 10.1080/00016489.2023.2254809. 61. Ohlheiser A. W., Hao K. An AI is training counselors to deal with teens in crisis. — 02.2021. — URL: https://www.technologyreview.com/2021/02/26/1020010/trevor-project-ai-suicide-hotline-training/. 62. Open domain chatbot based on attentive end-to-end Seq2Seq mechanism / S. S. Abdullahi [та ін.] // ACM International Conference Proceeding Series. — Association for Computing Machinery, 2019. — С. 339—344. — DOI: 10.1145/3377713.3377773. 63. OpenAI. Introducing ChatGPT. — 11.2022. — URL: https://openai.com/blog/chatgpt. 64. OpenAI. Fine-tuning - OpenAI API. — 2024. — URL: https://platform.openai.com/finetune. 65. Pack A., Maloney J. Using Generative Artificial Intelligence for Language Education Research: Insights from Using OpenAI’s ChatGPT // TESOL Quarterly. — 2023. — Т. 57, № 4. — С. 1571—1582. — DOI: 10.1002/tesq.3253. 66. Park I., Joshi A. S., Javan R. Potential role of ChatGPT in clinical otolaryngology explained by ChatGPT // American Journal of Otolaryngology - Head and Neck Medicine and Surgery. — 2023. — Т. 44, № 4. — DOI: 10.1016/j.amjoto.2023.103873. 67. Patil S., Mudaliar V., Kamat P. LSTM based Ensemble Network to enhance the learning of Long-term Dependencies in Chatbot // International Journal of Automation and Smart Technology. — 2022. — Січ. — Т. 12, № 1. — С. 2286—2286. — DOI: 10.5875/ausmt.v12i1.2286. 68. Peyton K., Unnikrishnan S. A comparison of chatbot platforms with the state-of-the-art sentence BERT for answering online student FAQs // Results in Engineering. — 2023. — Т. 17. — DOI: 10.1016/j.rineng.2022.100856. 69. Povinsky M., Melichercik M., Siladi V. A Chatbot based on Deep Neural Network and Public Cloud Services with TJBot Interface // INFORMATICS 2019 - IEEE 15th International Scientific Conference on Informatics, Proceedings. — Institute of Electrical, Electronics Engineers Inc., 2019. — С. 101—106. — DOI: 10.1109/Informatics47936.2019.9119304. 70. Prasomphan S. Using chatbot in trading system for Small and Medium Enterprise (SMEs) by convolution neural network technique // ACM International Conference Proceeding Series. — 2019. — С. 93—98. — DOI: 10.1145/3341069.3341092. 71. Raundale P., Sawale A. Dialog prediction in institute admission: A deep learning way // 2021 2nd International Conference for Emerging Technology, INCET 2021. — Institute of Electrical, Electronics Engineers Inc., 2021. — DOI: 10.1109/INCET51464.2021.9456159. 72. Ray A., Mathew R. Review of Cloud-Based Natural Language Processing Services and Tools for Chatbots // Lecture Notes on Data Engineering and Communications Technologies. — 2020. — Т. 31. — С. 156—162. — DOI: 10.1007/978-3-030-24643-3_18. 73. Recipes for building an open-domain chatbot / S. Roller [та ін.] // EACL 2021 - 16th Conference of the European Chapter of the Association for Computational Linguistics, Proceedings of the Conference. — Association for Computational Linguistics (ACL), 2021. — С. 300—325. 74. Rodriguez S., Mune C. Uncoding library chatbots: deploying a new virtual reference tool at the San Jose State University library // Reference Services Review. — 2022. — Т. 50, № 3/4. — С. 392—405. — DOI: 10.1108/RSR-05-2022-0020. 75. Ruane E., Young R., Ventresque A. Training a chatbot with microsoft LUIS: Effect of intent imbalance on prediction accuracy // International Conference on Intelligent User Interfaces, Proceedings IUI. — Association for Computing Machinery, 2020. — С. 63—64. — DOI: 10.1145/3379336.3381494. 76. Salas-Pilco S. Z., Xiao K., Hu X. Correction to: Artificial Intelligence and Learning Analytics in Teacher Education: A Systematic Review (Education Sciences, (2022), 12, 8, (569), 10.3390/educsci12080569) // Education Sciences. — 2023. — Т. 13, № 9. — DOI: 10.3390/educsci13090897. 77. Sarma G., Kashyap H., Medhi P. P. ChatGPT in Head and Neck Oncology-Opportunities and Challenges // Indian Journal of Otolaryngology and Head and Neck Surgery. — 2023. — DOI: 10.1007/s12070-023-04201-6. 78. Search War! Google and Microsoft both announce AI-Powered search. — 02.2023. — URL: https://www.deeplearning.ai/the-batch/google-and-microsoft-both-announce-ai-powered-search/. 79. Singh S., Djalilian A., Ali M. J. ChatGPT and Ophthalmology: Exploring Its Potential with Discharge Summaries and Operative Notes // Seminars in Ophthalmology. — 2023. — Т. 38, № 5. — С. 503—507. — DOI: 10. 1080/08820538.2023.2209166. 80. Smart and intelligent chatbot assistance for future industry 4.0 / H. Khatter [та ін.]. — Springer International Publishing, 2021. — С. 153—168. — DOI: 10.1007/978-3-030-77070-9_10. 81. Sreedhar M. N., Ni K., Reddy S. Learning improvised chatbots from adversarial modifications of natural language feedback // Findings of the Association for Computational Linguistics Findings of ACL: EMNLP 2020. — 2020. — С. 2445—2453. 82. Study on emotion recognition and companion Chatbot using deep neural network / M.-C. Lee [та ін.] // Multimedia Tools and Applications. — 2020. — Т. 79, № 27/28. — С. 19629—19657. — DOI: 10.1007/s11042-020-08841-6. 83. Syzdykbayeva A., Baikulova A., Kerimbayeva R. Introduction of Artificial Intelligence as the Basis of Modern Online Education on the Example of Higher Education // SIST 2021 - 2021 IEEE International Conference on Smart Information Systems and Technologies. — Institute of Electrical, Electronics Engineers Inc., 2021. — DOI: 10 . 1109 / SIST50301 . 2021 . 9465974. 84. Taulli T. AI-Assisted Programming: Better Planning, Coding, Testing, and Deployment. — Sebastopol, CA : O’Reilly Media, Inc., 2024. — URL: https://www.oreilly.com/library/view/ai-assisted-programming/9781098164553/. 85. The neural network conversation model enables the commonly asked student query agents / N. Muangnak [та ін.] // International Journal of Advanced Computer Science and Applications. — 2020. — Т. 11, № 4. — С. 154—164. — DOI: 10.14569/IJACSA.2020.0110421. 86. The promise and peril of using a large language model to obtain clinical information: ChatGPT performs strongly as a fertility counseling tool with limitations / J. Chervenak [та ін.] // Fertility and Sterility. — 2023. — Т. 120, № 3. — С. 575—583. — DOI: 10.1016/j.fertnstert.2023.05.151. 87. Towards coherent and engaging spoken dialog response generation using automatic conversation evaluators / S. Yi [та ін.] // INLG 2019 - 12th International Conference on Natural Language Generation, Proceedings of the Conference. — Association for Computational Linguistics (ACL), 2019. — С. 65—75. 88. Tran Q.-D. L., Le A.-C., Huynh V.-N. Enhancing Conversational Model With Deep Reinforcement Learning and Adversarial Learning // IEEE Access. — 2023. — Т. 11. — С. 75955—75970. — DOI: 10.1109/ACCESS. 2023.3297652. 89. Unsupervised cross-domain adaptation for response selection using self-supervised and adversarial training / J. Li [та ін.] // WSDM 2022 - Proceedings of the 15th ACM International Conference on Web Search and Data Mining. — Association for Computing Machinery, Inc, 2022. — С. 562—570. — DOI: 10.1145/3488560.3498404. 90. Uprety S. P., Jeong S. R. The Impact of Semi-Supervised Learning on the Performance of Intelligent Chatbot System // Computers, Materials & Continua. — 2022. — Т. 71, № 2. — С. 3937—3952. — DOI: 10.32604/cmc.2022.023127. 5391. Van Eck N. J., Waltman L. VOSviewer Manual. — Universiteit Leiden, 2023. — URL: https://www.vosviewer.com/documentation/Manual_VOSviewer_1.6.20.pdf. 92. What We Know — and Don’t Know — About Foundation Models: A new Stanford index to assess the transparency of leading AI models. — 11.2023. — URL: https://www.deeplearning.ai/the-batch/a-new-stanford-index-to-assess-the-transparency-of-leading-ai-models/. 93. Yoo J., Cho Y. ICSA: Intelligent chatbot security assistant using Text-CNN and multi-phase real-time defense against SNS phishing attacks // Expert Systems with Applications. — 2022. — Т. 207. — DOI: 10.1016/j.eswa.2022.117893. 94. Ляшенко Р. О., Семеріков С. О. Бібліометричний аналіз навчання чат-ботів // Тези доповідей VІІ Міжнародної науково-практичної конференції «Інформаційні технології в освіті, науці і техніці» (ІТОНТ-2024), (Черкаси, 23-24 травня 2024 р.) — Черкаси : ЧДТУ, 2024. — С. 314—316. — URL: https://itest.chdtu.edu.ua/#materials. 95. Ляшенко Р. О., Семеріков С. О. Бібліометричний аналіз досліджень з навчання чат-ботів: ключові поняття та тенденції // Інформаційні технології і засоби навчання. — 2024. — Т. 101, № 3. — (у процесі публікації). | uk |
| dc.description.abstract | У кваліфікаційній роботі досліджена ефективність різних моделей навчання чат-ботів на діалогових наборах даних. Основні результати дослідження: 1. Проведено бібліометричний аналіз 549 джерел з бази Scopus, який дозволив виявити нижню хронологічну межу зростання кількості публікацій (2018 рік) та згрупувати ключові слова джерел у 4 кластери: опрацювання природної мови; застосування технологій опрацювання мови у суспільстві; використання машинного навчання для опрацювання мови; чат-боти у навчанні та послугах. 2. Визначено основні моделі навчання чат-ботів: з учителем на основі рекурентних і трансформерних нейромереж; з підкріпленням та генеративно-змагальні мережі; трансферне навчання шляхом тонкого налаштування попередньо навчених моделей. Для оцінки ефективності використовуються автоматичні метрики та експертна оцінка. 3. Сформовано два набори даних з публікацій "CEUR Workshop Proceedings" та журналу "Інформаційні технології та засоби навчання". Обґрунтовано вибір моделей GPT2-XL та gpt2-uk, реалізовано їх донавчання на створених текстових корпусах та протестовано роботу з графічним інтерфейсом. Отримані результати можуть бути використані для подальших досліджень щодо створення ефективних та спеціалізованих чат-ботів із застосуванням сучасних підходів до навчання великих мовних моделей. | uk |
| dc.language.iso | uk | uk |
| dc.subject | чат-боти | uk |
| dc.subject | моделі навчання | uk |
| dc.subject | діалогові набори даних | uk |
| dc.subject | бібліометричний аналіз | uk |
| dc.subject | опрацювання природної мови | uk |
| dc.subject | машинне навчання | uk |
| dc.subject | трансферне навчання | uk |
| dc.subject | тонке налаштування | uk |
| dc.subject | нейронні мережі | uk |
| dc.subject | рекурентні нейронні мережі | uk |
| dc.subject | трансформери | uk |
| dc.subject | навчання з підкріпленням | uk |
| dc.subject | генеративно-змагальні мережі | uk |
| dc.subject | автоматичні метрики оцінювання | uk |
| dc.subject | експертне оцінювання | uk |
| dc.subject | текстові корпуси | uk |
| dc.subject | великі мовні моделі | uk |
| dc.subject | GPT2-XL | uk |
| dc.subject | gpt2-uk | uk |
| dc.subject | донавчання моделей | uk |
| dc.title | Оцінка ефективності різних моделей навчання чат-ботів на діалогових наборах даних | uk |
| dc.type | Thesis | uk |
| Розташовується у зібраннях: | Кафедра інформатики та прикладної математики (бакалаврські) | |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Liashenko_thesis.pdf | 3.68 MB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.