RUS  ENG
Полная версия
ЖУРНАЛЫ // Информатика и автоматизация // Архив

Информатика и автоматизация, 2022, выпуск 21, том 6, страницы 1145–1168 (Mi trspy1221)

Эта публикация цитируется в 2 статьях

Искусственный интеллект, инженерия данных и знаний

Рекуррентные нейронные сети с непрерывным обучением в задачах многофункциональной обработки новостных потоков

В. Ю. Осиповab, С. В. Кулешовa, Д. И. Милосердовc, А. А. Зайцеваa, А. Ю. Аксеновa

a Санкт-Петербургский Федеральный исследовательский центр Российской академии наук
b Санкт-Петербургский институт информатики и автоматизации Российской академии наук
c Центр системного анализа и моделирования АО НТЦ РЭБ

Аннотация: Главной задачей использования нейронных сетей является оперативное и точное решение различных творческих задач, таких как анализ и синтез новостных потоков при сохранении непрерывности обучения. Результатом такой обработки могут быть дайджесты, новостные потоки, прошедшие фильтрацию, а также прогнозы событий, позволяющих обеспечивать проактивность в управленческих решениях Известные методы обработки новостей нейронными сетями и реализующие их технические решения не в полной мере обеспечивают решение возникающих в этой области задач. Необходимо расширить их функциональные возможности, совершенствовать пространственно-временное связывание сигналов в рекуррентных нейронных сетях. При обработке новостных потоков одновременно с непрерывным обучением рекуррентных нейронных сетей следует осуществлять селекцию, распознавание, восстановление, прогнозирование и синтез новостей. Для снижения остроты проблемы предлагается перспективный метод многофункциональной обработки новостных потоков с применением рекуррентных нейронных сетей с логической организацией слоев и непрерывным обучением. Метод основан на развитии ассоциативной обработки текстовой информации в потоковых рекуррентных нейронных сетях с управляемыми элементами. Ключевыми особенностями этого метода являются многофункциональная обработка информационных потоков с изменяющимися законами появления новостей. Метод предусматривает оперативный отбор, распознавание, восстановление, прогнозирование и синтез новостей на основе глубокой ассоциативной непрерывной обработки связей между текстовыми элементами. Реализующая предлагаемый метод нейросетевая система отличается от известных решений новыми элементами, связями между ними, а также выполняемыми функциями. По результатам экспериментов подтверждена расширенная функциональность метода. Выявлены новые особенности обработки новостных текстов потоковыми РНС. Предлагаемые решения могут найти применение при создании интеллектуальных систем нового поколения не только для обработки текстов, но и других видов информации.

Ключевые слова: рекуррентные нейронные сети, интеллектуальная обработка новостей, многофункциональность, непрерывность обучения, прогнозирование.

УДК: 004.827

Поступила в редакцию: 27.09.2022

DOI: 10.15622/ia.21.6.3



© МИАН, 2024