Просмотр запроса №55545
Помогите подобрать литературу для написания реферата по теме "Высокопроизводительная обработка данных в текстовой аналитике".
Ответ
[2025-04-25 13:59:31] :
Здравствуйте. Предлагаем Вам следующую литературу для начала работы по теме (источники: ЭК РНБ, НЭБ eLibrary, КиберЛенинка, ЭК НТЛ ВИНИТИ, БД ВИНИТИ, ИПС Google):
1. Абрамов А.Г. Высокопроизводительный сервис сбора и анализа файлов журналов сетевого и серверного оборудования в национальной исследовательской компьютерной сети // Программные продукты и системы. – 2024. – № 4. – С. 495-503. – Электронная копия доступна на сайте науч. электрон. б-ки eLibrary. URL: https://elibrary.ru/item.asp?id=80259558 (дата обращения: 25.04.2025). – Доступ после регистрации.
2. Аведьян Э.Д. Программная платформа для автоматизирлованной подготовки и аналитической обработки массивов разнородных данных / Э.Д. Аведьян, И.М. Воронков // Информатизация и связь. – 2020. – № 1. – С. 15-20. – Электронная копия доступна на сайте науч. электрон. б-ки eLibrary. URL: https://elibrary.ru/item.asp?id=42839354 (дата обращения: 25.04.2025). – Доступ после регистрации.
3. Анализ текстовых данных в сети Интернет / Д.А. Акимов, И.А. Озерова, О.К. Редькин, А.А. Калинин // Мир науки и инноваций. – 2015. – Т. 2. – С. 23-28.
4. Бенгфорт Б. Прикладной анализ текстовых данных на Python: машинное обучение и создание приложений обработки естественного языка / Б. Бенгфорт, Р. Билбро, Т. Охеда ; [пер. с англ. А. Киселева]. – Санкт-Петербург [и др.] : Питер, 2020. – 363, [1] с. : ил., табл. – (Бестселлеры O'Reilly).
5. Биктимиров М.Р. Тенденции развития технологий обработки больших данных и инструментария хранения разноформатных данных и аналитики / М.Р. Биктимиров, А.М. Елизаров, А.Ю. Щербаков // Электронные библиотеки. – 2016. – Т. 19, № 5. – Электронная копия доступна на сайте журнала. URL: https://rdl-journal.ru/article/view/398 (дата обращения: 25.04.2025).
6. Бождай А.С. Исследование процесса анализа текстовых и мультимедиа данных социального профиля из открытых источников информации / А.С. Бождай, А.Ю. Тимонин // Известия высших учебных заведений. Поволжский регион. Технические науки. – 2017. – № 2 (42). – С. 19-28. – Электронная копия доступна на сайте науч. электрон. б-ки eLibrary. URL: https://elibrary.ru/item.asp?id=30383455 (дата обращения: 25.04.2025). – Доступ после регистрации.
7. Иванова Г.С. Анализ систем извлечения информации из неструктурированных текстовых документов / Г.С. Иванова, П.А. Мартынюк // Нейрокомппьютеры: разработка, применение. – 2025. – Т. 27, № 1. – С. 5-27.
8. Катермина Т.С. Элементы искусственного интеллекта в решении задач анализа текстов / Т.С. Катермина, К.М. Тагиров, Т.М. Тагиров // Computational nanotechnology. – 2022. – Т. 9, № 2. – С. 35-44. – Электронная копия доступна на сайте науч. электрон. б-ки Киберленинка. URL: https://cyberleninka.ru/article/n/elementy-iskusstvennogo-intellekta-v-reshenii-zadach-analiza-tekstov/viewer (дата обращения: 25.04.2025).
9. Кузьмина Е.С. Методы анализа текстовых данных с использованием машинного обучения / Е.С. Кузьмина, Д.А. Горюнов // Экономика и социум. – 2024. – № 7 (122). – С. 703-707. – Библиогр.: 4 назв. – Электронная копия доступна на сайте науч. электрон. б-ки Киберленинка. URL: https://cyberleninka.ru/article/n/metody-analiza-tekstovyh-dannyh-s-ispolzovaniem-mashinnogo-obucheniya-1/viewer (дата обращения: 25.04.2025).
10. Мизюков Г.С. Основные подходы в области аналитики больших массивов текстовой неструктурированной и квазиструктурированной информации // Труды Ростовского государственного университета путей сообщения. – 2017. – № 2. – С. 41-44, 109. – Библиогр.: 3 назв.
11. Назаров Н.А. Исследование нейросетевых моделей представления текстовых данных в задачах классификации / Н.А. Назаров, В.О. Толчеев // Искусственный интеллект в автоматизированных системах управления и обработки данных : сб. ст. II Всерос. науч. конф. – Москва, 2023. – Т. 2. – С. 113-118. – Электронная копия доступна на сайте науч. электрон. б-ки eLibrary. URL: https://elibrary.ru/item.asp?id=60234252&selid=60234372 (дата обращения: 25.04.2025). – Доступ после регистрации.
12. Отраднов К.К. Архитектура программного обеспечения высокопроизводительных комплексов обработки новостных текстов для решения задач интеллектуального анализа / К.К. Отраднов, А.С. Алёшкин, Д.О. Жуков // Современные информационные технологии и ИТ-образование. – 2017. – Т. 13, № 3. – С. 93-99 : ил. – Библиогр.: 6 назв. – Электронная копия доступна на сайте науч. электрон. б-ки Киберленинка. URL: https://cyberleninka.ru/article/n/arhitektura-programmnogo-obespecheniya-vysokoproizvoditelnyh-kompleksov-obrabotki-novostnyh-tekstov-dlya-resheniya-zadach/viewer (дата обращения: 25.04.2025).
13. Привалова И.В. Психолингвистика, корпусная лингвистика и текстовая аналитика: возможности взаимодействия // Ученые запискм Казанского университета. Серия: Гуманитарные науки. – 2023. – Т. 165, № 3. – С. 43-54. – Электронная копия доступна на сайте науч. электрон. б-ки eLibrary. URL: https://elibrary.ru/item.asp?id=55368468 (дата обращения: 25.04.2025). – Доступ после регистрации.
14. Текст: восприятие, информация, интерпретация. Текст как явление культуры. Информационно-аналитическая обработка текста : сб. докл. I Междунар. науч. конф. Рос. нового ун-та / сост. Н.А. Збруева, О.Ю. Иванова. – Москва : Изд-во РосНОУ, 2002. – 304 с. : ил. – Библиогр. в конце ст.
15. Хейдт Майкл. Изучаем pandas. Высокопроизводительная обработка и анализ данных в Python / М. Хейдт, А. Груздев. – Москва : ДМК Пресс, 2018. – 438 с.
Рекомендуем сайты: (открыть ссылку);
(открыть ссылку);
(открыть ссылку);
(открыть ссылку);
(открыть ссылку).
1. Абрамов А.Г. Высокопроизводительный сервис сбора и анализа файлов журналов сетевого и серверного оборудования в национальной исследовательской компьютерной сети // Программные продукты и системы. – 2024. – № 4. – С. 495-503. – Электронная копия доступна на сайте науч. электрон. б-ки eLibrary. URL: https://elibrary.ru/item.asp?id=80259558 (дата обращения: 25.04.2025). – Доступ после регистрации.
2. Аведьян Э.Д. Программная платформа для автоматизирлованной подготовки и аналитической обработки массивов разнородных данных / Э.Д. Аведьян, И.М. Воронков // Информатизация и связь. – 2020. – № 1. – С. 15-20. – Электронная копия доступна на сайте науч. электрон. б-ки eLibrary. URL: https://elibrary.ru/item.asp?id=42839354 (дата обращения: 25.04.2025). – Доступ после регистрации.
3. Анализ текстовых данных в сети Интернет / Д.А. Акимов, И.А. Озерова, О.К. Редькин, А.А. Калинин // Мир науки и инноваций. – 2015. – Т. 2. – С. 23-28.
4. Бенгфорт Б. Прикладной анализ текстовых данных на Python: машинное обучение и создание приложений обработки естественного языка / Б. Бенгфорт, Р. Билбро, Т. Охеда ; [пер. с англ. А. Киселева]. – Санкт-Петербург [и др.] : Питер, 2020. – 363, [1] с. : ил., табл. – (Бестселлеры O'Reilly).
5. Биктимиров М.Р. Тенденции развития технологий обработки больших данных и инструментария хранения разноформатных данных и аналитики / М.Р. Биктимиров, А.М. Елизаров, А.Ю. Щербаков // Электронные библиотеки. – 2016. – Т. 19, № 5. – Электронная копия доступна на сайте журнала. URL: https://rdl-journal.ru/article/view/398 (дата обращения: 25.04.2025).
6. Бождай А.С. Исследование процесса анализа текстовых и мультимедиа данных социального профиля из открытых источников информации / А.С. Бождай, А.Ю. Тимонин // Известия высших учебных заведений. Поволжский регион. Технические науки. – 2017. – № 2 (42). – С. 19-28. – Электронная копия доступна на сайте науч. электрон. б-ки eLibrary. URL: https://elibrary.ru/item.asp?id=30383455 (дата обращения: 25.04.2025). – Доступ после регистрации.
7. Иванова Г.С. Анализ систем извлечения информации из неструктурированных текстовых документов / Г.С. Иванова, П.А. Мартынюк // Нейрокомппьютеры: разработка, применение. – 2025. – Т. 27, № 1. – С. 5-27.
8. Катермина Т.С. Элементы искусственного интеллекта в решении задач анализа текстов / Т.С. Катермина, К.М. Тагиров, Т.М. Тагиров // Computational nanotechnology. – 2022. – Т. 9, № 2. – С. 35-44. – Электронная копия доступна на сайте науч. электрон. б-ки Киберленинка. URL: https://cyberleninka.ru/article/n/elementy-iskusstvennogo-intellekta-v-reshenii-zadach-analiza-tekstov/viewer (дата обращения: 25.04.2025).
9. Кузьмина Е.С. Методы анализа текстовых данных с использованием машинного обучения / Е.С. Кузьмина, Д.А. Горюнов // Экономика и социум. – 2024. – № 7 (122). – С. 703-707. – Библиогр.: 4 назв. – Электронная копия доступна на сайте науч. электрон. б-ки Киберленинка. URL: https://cyberleninka.ru/article/n/metody-analiza-tekstovyh-dannyh-s-ispolzovaniem-mashinnogo-obucheniya-1/viewer (дата обращения: 25.04.2025).
10. Мизюков Г.С. Основные подходы в области аналитики больших массивов текстовой неструктурированной и квазиструктурированной информации // Труды Ростовского государственного университета путей сообщения. – 2017. – № 2. – С. 41-44, 109. – Библиогр.: 3 назв.
11. Назаров Н.А. Исследование нейросетевых моделей представления текстовых данных в задачах классификации / Н.А. Назаров, В.О. Толчеев // Искусственный интеллект в автоматизированных системах управления и обработки данных : сб. ст. II Всерос. науч. конф. – Москва, 2023. – Т. 2. – С. 113-118. – Электронная копия доступна на сайте науч. электрон. б-ки eLibrary. URL: https://elibrary.ru/item.asp?id=60234252&selid=60234372 (дата обращения: 25.04.2025). – Доступ после регистрации.
12. Отраднов К.К. Архитектура программного обеспечения высокопроизводительных комплексов обработки новостных текстов для решения задач интеллектуального анализа / К.К. Отраднов, А.С. Алёшкин, Д.О. Жуков // Современные информационные технологии и ИТ-образование. – 2017. – Т. 13, № 3. – С. 93-99 : ил. – Библиогр.: 6 назв. – Электронная копия доступна на сайте науч. электрон. б-ки Киберленинка. URL: https://cyberleninka.ru/article/n/arhitektura-programmnogo-obespecheniya-vysokoproizvoditelnyh-kompleksov-obrabotki-novostnyh-tekstov-dlya-resheniya-zadach/viewer (дата обращения: 25.04.2025).
13. Привалова И.В. Психолингвистика, корпусная лингвистика и текстовая аналитика: возможности взаимодействия // Ученые запискм Казанского университета. Серия: Гуманитарные науки. – 2023. – Т. 165, № 3. – С. 43-54. – Электронная копия доступна на сайте науч. электрон. б-ки eLibrary. URL: https://elibrary.ru/item.asp?id=55368468 (дата обращения: 25.04.2025). – Доступ после регистрации.
14. Текст: восприятие, информация, интерпретация. Текст как явление культуры. Информационно-аналитическая обработка текста : сб. докл. I Междунар. науч. конф. Рос. нового ун-та / сост. Н.А. Збруева, О.Ю. Иванова. – Москва : Изд-во РосНОУ, 2002. – 304 с. : ил. – Библиогр. в конце ст.
15. Хейдт Майкл. Изучаем pandas. Высокопроизводительная обработка и анализ данных в Python / М. Хейдт, А. Груздев. – Москва : ДМК Пресс, 2018. – 438 с.
Рекомендуем сайты: (открыть ссылку);
(открыть ссылку);
(открыть ссылку);
(открыть ссылку);
(открыть ссылку).