Модели и методы анализа текстовых данных, рекомендательных систем и майнинга данных

Целью данного проекта является развитие фундаментальных и прикладных научных исследований в области анализа текстов, так и данных сложной структуры. Важными составляющими цели исследования являются следующие подцели: 1. Исследование и развитие интерпретируемых методов машинного обучения и майнинга данных, включая рекомендательные системы. 2. Создание и совершенствование методов обработки текстов как на русском языке, так и методов переноса обучения между разными языками. 3. Исследование применимости методов переноса обучения между различными задачами, включая задачи информационного поиска и задачи извлечения информации. Задачи научного исследования: 1. Разработка методов и моделей машинного обучения для извлечения структурированной информации из текстов на естественном языке и информационного поиска; 2. Развитие методологии оценивания применимости, качества и производительности нейросетевых языковых моделей в задачах понимания естественного языка; 3. Развитие методов понимания текстов и переноса обучения в задачах анализа пользовательских отзывов, идентификации “токсичного” текстового содержания и создания вопросно-ответных систем; 4. Создание новых наборов данных для обучения и тестирования методов автоматической обработки текстов; 5. Создание и развитие интерпретируемых методов машинного обучения и майнинга данных, объяснения рекомендаций в рекомендательных системах; 6. Разработка методов майнинга данных для комбинаторного поиска и их приложений по областям (демографические последовательности, последовательности событий в интернет-приложениях и рекомендательных системах, генотипические данные, целочисленные последовательности и др.).