Автоматический поиск фрагментов, содержащих биографическую информацию, в тексте на естественном языке
А. В. Глазкова

Список литературы
1.	Терпугова А. В., Биографический текст как объект лингвистического исследования, Автореферат дис. кандидата филологических наук, Ин-т языкознания РАН, Москва, 2011, 26 с. [Terpugova A. V., Biographical text as an object of linguistic research, Author’s abstract of the PhD thesis, Institute of Linguistics RAS, Moscow, 2011, 26 pp. (in Russian)]
2.	Manning C., Raghavan P., Schütze H., Introduction to Information Retrieval, Cambridge University Press, 2008, 506 pp.
3.	Адамович И. М., Волков О. И., “Система извлечения биографических фактов из текстов исторической направленности”, Системы и средства информатики, 25:3 (2015), 235-250   [Adamovich I. M., Volkov O. I., “The system of facts extraction from historical texts”, Systems and Means of Informatics, 25:3 (2015), 235-250 (in Russian)]
4.	Cybulska A., Vossen P., “Historical Event Extraction From Text”, Proc. of 5th ACL-HLT Workshop on Language Technology on Cultural Heritage, 2011, 39-43
5.	Hienert D., Luciano F., “Extraction of Historical Events from Wikipedia”, Lecture Notes in Computer Science, 7540, 2015, 16-28
6.	Santos C., Xiang B., Zhou B., “Classifying Relations by Ranking with Convolutional Neural Networks”, Proc. of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing, 2015, 626-634
7.	Meerkamp P., Zhou Z., Information Extraction with Character-level Neural Networks and Free Noisy Supervision, Cornell University Library, 2016, arXiv: 1612.04118 (accessed 21.09.2018)
8.	Homma Y., Sadamitsu K., Nishida K., Higashinaka R., Asano H., Matsuo Y., “A Hierarchical Neural Network for Information Extraction of Product Attribute and Condition Sentences”, Proc. of the Open Knowledge Base and Question Answering, OKBQA, 2016, 21-29
9.	Arkhipenko K., Kozlov I., Trofimovich J., Skorniakov K., Gomzin A., Turdakov D., “Comparison of Neural Architectures for Sentiment Analysis of Russian Tweets”, Proc. of the International Conference “Dialogue 2016”, 2016, 50-58
10.	Андрианов И. А., Майоров В. Д., Турдаков Д. Ю., “Современные методы аспектно-ориентированного анализа эмоциональной окраски”, Труды ИСП РАН, 27:5 (2015), 5-22     [Andrianov I., Mayorov V., Turdakov D., “Modern Approaches to Aspect-Based Sentiment Analysis”, Proc. ISP RAS, 27:5 (2015), 5-22 (in Russian)]
11.	Пархоменко П. А., Григорьев А. А., Астраханцев Н. А., “Обзор и экспериментальное сравнение методов кластеризации текстов”, Труды ИСП РАН, 29:2 (2017), 161-200     [Parhomenko P. A., Grigorev A. A., Astrakhantsev N. A., “A survey and an experimental comparison of methods for text clustering: application to scientific articles”, Proc. ISP RAS, 29:2 (2017), 161-200 (in Russian)]
12.	Ravuri S., Stolcke A., “A Comparative Study of Recurrent Neural Network Models for Lexical Domain Classification”, Proc. of the IEEE International Conference on Acoustics, Speech and Signal Processing, ICASSP, 2016, 6075-6079
13.	Yogatama D., Dyer C., Ling W., Blunsom P., Generative and discriminative text classification with recurrent neural networks, 2017, arXiv: 1703.01898
14.	Chen G., Ye D., Xing Z., Chen J., Cambria E., “Ensemble application of convolutional and recurrent neural networks for multi-label text categorization”, Proc. of the International Joint Conference on Neural Networks, IJCNN, 2017, 2377-2383
15.	Валгина Н. С., Розенталь Д. Э., Фомина М. И., Современный русский язык, Учебник, 6-е изд., перераб. и доп., Логос, Москва, 2002, 528 с. [Valgina N. S., Rosental D. E., Fomina M. I., Modern Russian Language, Logos, Moscow, 2002, 528 pp. (in Russian)]
16.	Википедия. Свободная энциклопедия: https://ru.wikipedia.org/ (дата обращения: 26.11.2018) [Wikipedia. The free encyclopedia: https://ru.wikipedia.org/ (accessed 26.11.2018)]
17.	Глазкова А. В., “Формирование текстового корпуса для автоматического извлечения биографических фактов из русскоязычного текста”, Современные информационные технологии и ИТ-образование, 14:4 (2018) [Glazkova A. V., “Building a text corpus for automatic biographical facts extraction from Russian texts”, Modern Information Technologies and IT-education, 14:4 (2018) (in Russian)]
18.	Корпус биографических текстов: https://sites.google.com/site/utcorpus/ (дата обращения: 01.12.2018) [The corpus of biographical texts: https://sites.google.com/site/utcorpus/ (accessed 01.12.2018)]
19.	Морфологический анализатор pymorphy2: https://pymorphy2.readthedocs.io/en/latest/ (дата обращения: 01.12.2018) [Morphological analyzer pymorphy2: https://pymorphy2.readthedocs.io/en/latest/ (accessed 01.12.2018)]
20.	Mikolov T., Sutskever I., Chen K., Corrado G. S., Dean J., “Distributed representations of words and phrases and their compositionality”, Proc. of the 26th International Conference on Neural Information Processing Systems, v. 2, 2013, 3111-3119
21.	Hochreiter S., Schmidhuber J., “Long Short-term Memory”, Neural computation, 9:8 (1997), 1735-1780
22.	Bai T., Dou H. J., Zhao W. X., Yang D. Y., Wen J. R., “An Experimental Study of Text Representation Methods for Cross-Site Purchase Preference Prediction Using the Social Text Data”, Journal of Computer Science and Technology, 32:4 (2017), 828-842
23.	Keras: The Python Deep Learning library: https://keras.io/ (accessed 17.11.2018)
24.	https://github.com/oldaandozerskaya/biographical_samples.git (accessed 27.12.2018)
25.	газета.ru: https://www.gazeta.ru/ (дата обращения: 09.12.2018) [gazeta.ru: https://www.gazeta.ru/ (accessed 09.12.2018)]