Выбор метода интеллектуального анализа документов высшего учебного заведения

ВЫБОР МЕТОДА ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДОКУМЕНТОВ ВЫСШЕГО УЧЕБНОГО ЗАВЕДЕНИЯ

А.Л. Ткаченко^{1, 2}, Л.А. Денисова²

¹ Сибирский государственный автомобильно-дорожный университет, tanaleo @ mail. ru

² Омский государственный технический университет, denisova @ asoiu. com

Рассмотрена задача классификации текстовых  документов высшего учебного заведения. Предметом исследования являются методы классификации текстовых документов. Целью исследования является выбор метода интеллектуального анализа документов, обеспечивающего наиболее точную и качественную классификацию документов вуза. Проанализирован процесс классификации русскоязычных документов. Рассмотрены методы предварительной обработки документов. Выявлены достоинства и недостатки каждого рассмотренного метода. Проведены анализ и сравнение методов автоматической классификации документов по таким оценкам, как правильность алгоритма классификации, точность, полнота, время работы алгоритма. В результате проведенного исследования автором предложено для классификации текстовых документов вуза использовать метод опорных векторов.

Ключевые слова: классификация текстов, обработка текстов, машинное обучение, качество классификации.

CHOOSING THE METHOD OF INTELLECTUAL ANALYSIS OF HIGHER EDUCATIONAL INSTITUTION DOCUMENTS

A.L. Tkachenko^{1, 2}, L.A. Denisova²

¹ The Siberian State Automobile and Highway University, tanaleo@mail.ru

2Omsk State Technical University, denisova@asoiu.com

The problem of text documents classification of a higher educational institution is considered. The subject of the study is the methods of text documents classification. The purpose of the study is to choose a method of intellectual analysis of documents that provides the most accurate and high-quality classification of university documents. The process of Russian-language documents classification is analyzed. Methods of preliminary processing of documents are considered. The advantages and disadvantages of each considered method are revealed. The methods of automatic classification of documents are analyzed and compared according to such estimates as the correctness of the classification algorithm, accuracy, completeness, and operating time of the algorithm. As a result of the study, the author proposed to use the method of reference vectors for the classification of text documents of the university.

Keywords: text classification, text processing, machine learning, classification quality.

I. Введение

На современном этапе развития вуза требуется автоматизировать процессы делопроизводства. Значительный масштаб работ по обработке и исполнению документов предполагает использование современных систем электронного документооборота (СЭД), а также интеграцию СЭД со средствами интеллектуальной обработки внешней и внутренней документации [1, 2].

Ежедневно в вузе генерируются большие объемы разнородной внутренней информации: результаты промежуточных аттестаций, отчеты по практикам студентов, результаты анкетирования студентов и профессорско-преподавательского состава и др. Помимо генерируемой внутренней информации в вуз поступает огромный объем информации извне, большая часть которого содержится во внешних документах. На обработку как внутренней, так и внешней информации уходит большое количество времени, в связи с этим возникает необходимость в интеграции СЭД с технологиями искусственного интеллекта для обработки ежедневно генерируемых в вузах потоков информации.

Одной из основных задач в СЭД вузов является задача классификации текстовых документов, когда заранее известны конечные классы и требуется распределить по этим классам текстовые документы. Для решения этой задачи широко используются методы машинного обучения [3], которых сегодня известно большое количество.

В данной статье рассмотрены основные группы методов интеллектуальной классификации документов, приведены их особенности, также выделены их достоинства и недостатки.

Модель