Оптимизация алгоритмов машинного обучения обработки естественого языка

Влияние различных алгоритмов машинного обучения на задачи обработки естественного языка, такие как анализ тональности, распознавание именованных сущностей и машинный перевод.

Необходимо:

• Сравнительный анализ различных алгоритмов (например, SVM, Random Forest, нейронные сети и другие) в контексте их применения к задачам NLP (распознавание, генерации и обработке устной и письменной человеческой речи)
• Оптимизация гиперпараметров для достижения наилучших результатов в конкретных задачах обработки (классификация текстов, извлечение информации, машинный перевод и т.д.)
• Разработка новых методов улучшения работы моделей, включая использование предобученных языковых моделей
• Оценка производительности моделей на различных наборах данных с использованием метрик: точность, полнота, F1-мера
• Исследование влияния предобработки данных на качество обучения и результаты модели.

А также:

• Сравнительный анализ эффективности различных алгоритмов
• Рекомендации по выбору оптимальных моделей и параметров
• Разработка прототипа системы обработки естественного языка с использованием оптимизированных алгоритмов

Реализация через GoogleCollab на Python (например)