Работы автора

Актуальность исследования обусловлена низким уровнем применения диалога на естественном языке в дистанционном обучении. Создание таких средств на основе искусственного интеллекта сделает процесс дистанционного обучения более доступным и привлекательным. В статье предлагается строить диалог на основе эталонных вопросов к содержанию дистанционного курса. Ответ выбирается на основе близости вопроса пользователя к эталону. В качестве множества ответов рекомендуется использовать структурные единицы дистанционного курса, а в качестве эталонных вопросов - соответствующие заголовки. Данные учебного диалога запоминаются и используются для расширения списка эталонных вопросов и обучения системы. Для контроля усвоения используется мера близости ответов обучаемого на контрольные вопросы и правильных вариантов ответов. Для формирования контрольных вопросов можно использовать словари дистанционных курсов и тестовые задания. Определение меры близости двух текстов предлагается выполнять с использованием косинуса эмбеддингов наиболее близких термов. Данные сравнения текстов по предложенной методике подтверждают ее возможность правильно оценивать близость текстов и обосновывают ее применение для организации диалога на естественном языке в дистанционном обучении.

В статье предлагается использовать скрытые марковские модели для описания курса доллара. Скрытая цепь Маркова описывает свойства исходного ряда: возрастание, убывание или совпадение соседних членов ряда. Для курса доллара выявлено зависимость свойств от дня недели, поэтому цепь состояний описывается семью стохастическими матрицами. Проверка по критерию хи-квадрат подтвердила адекватность предложенной модели смены состояний. Каждое состояние марковской цепи для курса доллара приводит положительному, отрицательному или нулевому приращению. Значимой стохастической связи членами ряда приращений не выявлено. Математическое ожидание и дисперсия ряда приращений существенно изменяются для разных моментов времени, однако, для некоторых периодов времени приращения можно считать одинаково распределенными. Для таких периодов и при условии независимости приращений ряда получены формулы для вычисления прогноза и доверительного интервала. Предложенная модель может применяться для исследования других рядов наблюдений.