Участник:Katya

Моя страничка на сайте ВШЭ: Екатерина Черняк.

Меня интересуют исследования в области автоматической обработки текстов (natural language processing). В 2016/17 уч. году мне хотелось бы предложить темы, связанные со следующими направлениями:

• анализ темпоральных текстовых данных. Речь идет о текстовых данных общего происхождения (новостных лентах, отзывов на какие-то продукты, твиттах, блогах), публикуемых достаточно долгое время. В этом направлении существуют следующие задачи:

1. Извлечение сюжетов (как развивается новостной сюжет, например, какие события связаны с Сирийским конфликтом)
2. Извлечение темпоральных ассоциативных правил (например, как упоминание нового назначения омбудсмена вчера связано с упоминанием телегонии сегодня)
3. Анализ изменений отношения к какому-то товару со временем (например, почему оценки на Кинопоиске со временем становятся ниже, можно ли найти какие-то причины этому в текстах отзывов)
4. Визуализация (например, построить облако тегов и мультфильм про его изменение в динамике)
5. Извлечение трендов из научных публикаций (о чем пишут современные исследователи, о чем писали 5 лет назад и сейчас уже забыли, можно ли предсказать, что будет популярно в ближайшие пять лет?).

• использование строковых структур для анализа текстов. В основном для анализа тексты разбивают на слова, пары слов или последовательности символов фиксированной длины (например, пятерки символов). Мне кажется, что можно было бы ослабить ограничение на длину последовательности и использовать сууфиксные или префиксные деревья для того, чтобы выбирать длину символьной последовательности автоматически. Подобный метод был бы полезен для тех задач, где конечный результат не имеет текстового представления, например в задачах

1. кластеризации текстов (конечный результат - кластеры и неважно, какое представление текста было использовано)
2. тематической классификации
3. классификации по жанрам

• некоторые стандартные задачи и не совсем стандратные способы их решения или источники данных (список пополняется):

1. Использование сверточных сетей для извлечения фактов (см. соревнование Диалога 2016 года)
2. Иерархическая классификация на данных Яндекс.Категоризатора
3. Извлечение социальных сетей из новостей / художественной литературы и их визуализация
4. ПриВедЕНие теКСТа К прАвиЛЬноМу реГистРУ