Литература
1. Wan Ch. H. et al. A Hybrid text classification approach with low dependency on parameter by integrating Knearest neighbour and support vector machine // Expert Systems with Applications, elsevier journal. – 2012. – Vol. 39. – no. 15. – P. 11880–11888.
2. Su Y., Huang Y., Kuo Jay C.-C. Efficient Text Classification Using Tree-structured Multi-linear Principal Component Analysis // 24th International Conference on Pattern Recognition. – 2018. – С. 585-590.
3. Nguyen L. Text classification based on support vector machine // Dalat University Journal Of Science. – 2019. – Vol. 9. – no. 2. – P. 3–19.
4. Shah K. et al. A Comparative Analysis of Logistic Regression, Random Forest and KNN Models for the Text Classification // Augmented Human Research. – 2020. – Vol. 5. – № 1. – P. 1-12.
5. Tkachenko A. L., Denisova L. A. Designing an information system for the electronic document management of a university: Automatic classification of documents // Journal of Physics: Conference Series. – 2022. – P. 012035.
6. Shichao Z. Efficient kNN Classification With Different Numbers of Nearest Neighbors // IEEE Transactions on Neural Networks and Learning Systems. – 2018. – Vol. 29. – no. 5. – P. 1774–1785.
7. Wahdan A. et al. A systematic review of text classification research based on deep learning models in Arabic language // International Journal of Electrical and Computer Engineering (IJECE). – 2020. – Vol. 10. – no. 6. – P. 6629–6643.
8. Zulqarnain M. et al. A comparative review on deep learning models for text classification // Indonesian Journal of Electrical Engineering and Computer Science. – 2020. – Vol. 19. – no. 1. – P. 325-335.
9. Воронцов К. В., Потапенко А. А. Регуляризация, робастность и разреженность вероятностных тематических моделей // Компьютерные исследования и моделирование. – 2012. – Т. 4. – №. 4. – С. 693-706.
10. Карпович С. Н., Смирнов А. В., Тесля Н. Н. Учет неизвестных слов в вероятностной тематической модели // Информационные технологии и вычислительные системы. – 2020. – № 4. – С. 111-124.
11. Свидетельство № 2022612195. Программа двухэтапной классификации текстовых документов высшего учебного заведения: программа для ЭВМ / А.Л. Ткаченко; право- обладатель ФГБОУ ВО СибАДИ (RU). Заявл. 24.01.2022; опубл. 25.01.2022, Бюл. № 2 2022, 1,43 Кб.
12. Ткаченко А. Л., Мещеряков В. А., Денисова Л. А. Проектирование информационно-аналитической системы для поддержки образовательного процесса технического вуза // Автоматизация в промышленности. – 2022. – № 4. – С. 7-14..
13. Морфологический анализатор pymorphy2. URL: https://pymorphy2.readthedocs.io/en/stable/index.html (дата обращения: 30.05.2022).
14. Костров Б. В., Баранчиков А. И., Клюева И. А. Ансамблевые методы в задаче мнококлассовой SVM-классификации // XXI век: итоги прошлого и проблемы настоящего плюс. – 2021. – Т. 10. – №. 2 (54). – С. 105-108.
15. Ткаченко А. Л. Решение задачи классификации документов вуза на основе методов интеллектуального анализа // Вестник кибернетики. – 2021. – № 1 (41). – С. 12-19.
16. Russian News 2020. News in Russian, collected from four sources. URL: https://www.kaggle.com/datasets/vfomenko/russian-news-2020 (дата обращения: 30.05.2022).
