Адаптивные информационные технологии автоматической классификации документов по их важности и критичности

И. А. Сергеев

Информационные технологии интеллектуальной поддержки принятия решений, Информационные технологии интеллектуальной поддержки принятия решений 2019

И. А. Сергеев

Изменена: 2019-05-24

Аннотация

В данном исследовании будут рассмотрены различные методы и средства классификации электронных документов по их важности и критичности. Обзор в данной области позволит определить, какие способы анализа электронной неструктурированной информации существуют и посредством чего можно определить и измерить важность электронного документа. Учитывая, что развитие информационных технологий способствует быстрому росту информации, а неструктурированной информации всегда будет больше, чем структурированной, данная тема является достаточно актуальной на текущий момент. Также будут рассмотрены основные проблемы, которые влечёт за собой неконтролируемая генерация большого количества неструктурированных документов.

Ключевые слова

адаптивные информационные технологии; анализ неструктурированной информации; генерация документов; алгоритм анализа документа

Литература

1. Белов, В.М. Теория информации. Курс лекций: Учебное пособие для вузов. / В.М. Белов, С.Н. Новиков, О.И. Солонская. - М.: РиС, 2016. - 143 c

2. Киселев, А.Г. Теория и практика массовой информации: общество-СМИ-власть: Учебник / А.Г. Киселев. - М.: ЮНИТИ, 2014. - 431 c.

3. Lyman P., Varian H.R. How much information. Release of the University of California. Oct.27, 2003.

4. Чернавский, Д.С. Синергетика и информация: Динамическая теория информации / Д.С. Чернавский; Предисл. и послесл. Г.Г. Малинецкий. - М.: ЛИБРОКОМ, 2013. - 304 c.

5. Малюк, А.А. Теория защиты информации. / А.А. Малюк. - М.: Горячая линия -Телеком, 2015. - 184 c.

6. Y.-C. Wang, M. Joshi, W. W. Cohen, and C. P. Rosé, “Recovering Implicit Thread Structure in Newsgroup Style Conversations.,” in ICWSM, 2008.

7. Кулаичев, А.П. Методы и средства комплексного анализа данных: Учебное пособие / А.П. Кулаичев. — М.: Форум, НИЦ ИНФРА-М, 2013. — 512 c

8. Еремин А. Л. Ноогенез и теория интеллекта. Краснодар: СовКуб, 2005. — 356 с.

9. Горяинова, Е.Р. Прикладные методы анализа статистических данных: Учебное пособие / Е.Р. Горяинова, А.Р. Панков, Е.Н. Платонов. — М.: ИД ГУ ВШЭ, 2012. — 310 c

10. Holzinger, Andreas. Combining HCI, Natural Language Processing, and Knowledge Discovery – Potential of IBM Content Analytics as an Assistive Technology in the Biomedical Field // Human-Computer Interaction and Knowledge Discovery in Complex, Unstructured, Big Data / Andreas Holzinger,Christof Stocker, Bernhard Ofner … [и др.]. — Springer, 2013. — P. 13–24.

11. Christopher Cook Diet for a Dead Planet: Big Business and the Coming Food Crisis; Высшая школа - Москва, 2010. - 336 c.

12. Bill Schmarzo Big Data: Understanding How Data Powers Big Business; Wiley - М., 2013. - 240 c

13. Лесковец, Ю. Анализ больших наборов данных / Ю. Лесковец, А. Раджараман. — М.: ДМК, 2016. — 498 c.

14. Сравнение документов посредством ScanDifFinder SDK: технологии от ABBYY. Оригинал статьи: https://www.kp.ru/guide/obrabotka-dokumentov.html

Полный текст: PDF