Mašininio mokymosi pritaikymas reklamų aptikimui YouTube įrašuose
Straipsniai
Karolis Kvedaravičius
Vilniaus universitetas
Olga Kurasova
Vilniaus universitetas
Publikuota 2024-05-13
https://doi.org/10.15388/LMITT.2024.10
PDF

Reikšminiai žodžiai

Mašininis mokymasis
reklamos
transkribuotas tekstas

Kaip cituoti

Kvedaravičius, K. and Kurasova, O. (2024) “Mašininio mokymosi pritaikymas reklamų aptikimui YouTube įrašuose”, Vilnius University Open Series, pp. 68–75. doi:10.15388/LMITT.2024.10.

Santrauka

Šiame straipsnyje aprašyta kaip tyrimų metu buvo bandoma pritaikyti mašininį mokymąsi reklamų aptikimui YouTube vaizdo įrašuose naudojant transkribuotą tekstą. Reklamų aptikimas buvo laikomas teksto klasifikavimo užduotimi ir todėl buvo naudojamas BERT šeimos mašininio mokymosi modelis, kuris pasiekia aukštus rezultatus sprendžiant teksto analizės uždavinius. Tačiau šiam modeliui dėl įvairių priežasčių buvo sunku pasiekti aukštą tikslumo lygį. Bet naudojant antrą straipsnyje pasiūlytą klasifikavimo žingsnį, kuris atsižvelgia į BERT modelio klasifikavimą tam tikram laiko tarpe, rezultatai buvo pagerinti.

PDF
Kūrybinių bendrijų licencija

Šis kūrinys yra platinamas pagal Kūrybinių bendrijų Priskyrimas 4.0 tarptautinę licenciją.

Atsisiuntimai

Nėra atsisiuntimų.