TABIIY TILNI QAYTA ISHLASH (NLP) ASOSIDA AVTOMATIK BILIMLAR CHIQARISH

Article Sidebar

PDF (Русский)
Issue: Vol. 3 No. 53 : Young scientists
Section: Maqolalar
Published:

Main Article Content

Farg'ona davlat texnika universiteti talabasi
info@in-academy.uz

Abstract:

Hozirgi kunda axborot texnologiyalari jadal rivojlanib borayotgan bir davrda matnli ma'lumotlardan avtomatik tarzda bilim olish muhim ahamiyat kasb etmoqda. Ushbu maqolada tabiiy tilni qayta ishlash texnologiyalari qanday qilib matnlardan kerakli bilimlarni ajratib olishga yordam berishini o'rgandik. Tadqiqot davomida matnlarni ma'no jihatdan tahlil qilish, ulardan muhim obyektlar va ularning bir-biri bilan bog'liqliklarini topish, shuningdek bilim graflarini qurish usullari batafsil ko'rib chiqildi. Ishda zamonaviy sun'iy intellekt modellari, ayniqsa transformer arxitekturasi va an'anaviy qoidaga asoslangan usullarning qiyosiy tahlili amalga oshirildi. Olingan natijalar shuni ko'rsatdiki, zamonaviy NLP texnologiyalari bilimlar bazasini yaratishda juda samarali vosita hisoblanadi.

Article Details

How to Cite:

Topiqov , A. . (2025). TABIIY TILNI QAYTA ISHLASH (NLP) ASOSIDA AVTOMATIK BILIMLAR CHIQARISH. Young Scientists, 3(53), 56–59. Retrieved from https://in-academy.uz/index.php/yo/article/view/68977

References:

Jurafsky D., Martin J. "Speech and Language Processing". Pearson, 2023.

Devlin J. et al. "BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding". NAACL, 2019.

Etzioni O. et al. "Open Information Extraction from the Web". Communications of the ACM, 2011.

Wang Z., Li J. "Knowledge Graph Embedding: A Survey". IEEE, 2021.

Manning C., Schütze H. "Foundations of Statistical Natural Language Processing". MIT Press.

Zhang Y. "Neural Approaches to Relation Extraction". ACL Survey, 2020.