id int64 18 21.1k | created_at timestamp[ns, tz=UTC]date 2026-02-23 07:30:20 2026-02-24 16:54:39 | updated_at timestamp[ns, tz=UTC]date 2026-02-23 08:08:14 2026-02-24 16:54:39 | doc_name stringclasses 1
value | input stringlengths 11 9.24k | output stringlengths 0 738 | is_personal bool 2
classes | is_sentence bool 2
classes | is_corrected bool 2
classes |
|---|---|---|---|---|---|---|---|---|
5,607 | 2026-02-23T13:08:47.333000Z | 2026-02-23T13:08:47.333000Z | Lec. | Профессиональная этика. 2019 | false | false | false | |
5,606 | 2026-02-23T13:08:45.695000Z | 2026-02-23T13:26:59.884000Z | Lec. | Общие требования и правила составления»: Опыт введения и применения нового стандарта // Научные коммуникации | Общие требования и правила составления: Опыт введения и применения нового стандарта // Научные коммуникации | false | true | true |
5,605 | 2026-02-23T13:08:43.978000Z | 2026-02-23T13:08:43.978000Z | Lec. | Библиографическое описание | false | true | false | |
5,604 | 2026-02-23T13:08:41.789000Z | 2026-02-23T13:35:54.573000Z | Lec. | ГОСТ Р 7.0. 100-2018 «Библиографическая запись | ГОСТ Р 7.0.100-2018 «Библиографическая запись». | false | true | true |
5,603 | 2026-02-23T13:08:39.964000Z | 2026-02-23T13:08:39.964000Z | Lec. | Лукьянчикова Е | true | false | false | |
5,602 | 2026-02-23T13:08:38.331000Z | 2026-02-23T13:08:38.331000Z | Lec. | Результаты // Russion corpus og languistic acceptability URL: https://rucola-benchmark.com/leaderboard (дата обращения: 10.05.2024) | false | false | false | |
5,601 | 2026-02-23T13:08:36.474000Z | 2026-02-23T13:08:36.474000Z | Lec. | RuCoLA: Russian corpus of linguistic acceptability // arXiv preprint arXiv:2210.12814. 2022 | false | false | false | |
5,600 | 2026-02-23T13:08:34.636000Z | 2026-02-23T13:08:34.636000Z | Lec. | Mikhailov V. et al | false | false | false | |
5,599 | 2026-02-23T13:08:32.922000Z | 2026-02-23T13:08:32.922000Z | Lec. | A Sentence is Worth a Thousand Pictures: Can Large Language Models Understand Human Language? // arXiv preprint arXiv:2308.00109. 2023 | false | false | false | |
5,598 | 2026-02-23T13:08:31.064000Z | 2026-02-23T13:08:31.064000Z | Lec. | Marcus G., Leivada E., Murphy E | true | false | false | |
5,597 | 2026-02-23T13:08:29.680000Z | 2026-02-23T16:15:51.510000Z | Lec. | Neural network acceptability judgments // Transactions of the Association for Computational Linguistics. 2019 | Neural network acceptability judgments: // Transactions of the Association for Computational Linguistics. 2019 | false | true | true |
5,596 | 2026-02-23T13:08:27.464000Z | 2026-02-23T13:08:27.464000Z | Lec. | Warstadt A., Singh A., Bowman S | false | false | false | |
5,595 | 2026-02-23T13:08:25.887000Z | 2026-02-23T16:22:59.040000Z | Lec. | Рисунок 9 – Пример результата работы ПО (неверно примененные стили оформления в документе) | Рисунок 9 – Пример результата работы программного обеспечения (неверно примененные стили оформления в документе) | false | true | true |
5,594 | 2026-02-23T13:08:24.047000Z | 2026-02-23T13:08:24.047000Z | Lec. | Кроме, того, пользователь получает отчет с выделенными неверно использованными стилями оформления в документе, что указано на рисунке 9 | true | true | false | |
5,593 | 2026-02-23T13:08:21.906000Z | 2026-02-23T13:08:21.906000Z | Lec. | Рисунок 8 – Пример результата работы ПО (ошибки в оформлении списка литературы) | false | true | false | |
5,592 | 2026-02-23T13:08:20.112000Z | 2026-02-23T18:07:05.113000Z | Lec. | ПО подсвечивает неправильную запись в результирующем PDF-отчете | ПО подсвечивает неправильную запись в результирующем PDF-отчете. | false | true | true |
5,591 | 2026-02-23T13:08:17.736000Z | 2026-02-23T13:08:17.736000Z | Lec. | Аналогично при проверке на лексическую приемлемость, другая модель проверяет наличие ошибок в оформлении списка литературы | false | true | false | |
5,590 | 2026-02-23T13:08:16.219000Z | 2026-02-23T13:36:03.614000Z | Lec. | Рисунок 7 – Пример результата работы ПО (лексические ошибки) | Рисунок 7. – Пример результата работы ПО | false | true | true |
5,589 | 2026-02-23T13:08:14.311000Z | 2026-02-23T13:08:14.311000Z | Lec. | Пользователь получает отчет в формате PDF, в котором цветом выделены предложения с вероятными ошибками | true | true | false | |
5,588 | 2026-02-23T13:08:12.822000Z | 2026-02-23T17:14:05.408000Z | Lec. | На рисунке 7 приведен пример результата работы ПО по проверке лексической приемлемости | На рисунке 7 приведен пример результата работы ПРОВЕРКИ по проверке лексической приемлемости | false | true | true |
5,587 | 2026-02-23T13:08:11.255000Z | 2026-02-23T13:08:11.255000Z | Lec. | Полученные результаты демонстрируют эффективность предложенного подхода к автоматизированной лингвистической экспертизе научных студенческих работ, что подтверждается успешно проведенным тестированием среди студентов МИЭМ | false | true | false | |
5,586 | 2026-02-23T13:08:09.481000Z | 2026-02-23T16:49:44.127000Z | Lec. | Реализована система визуализации ошибок с:. - цветовым выделением проблемных фрагментов;. - ранжированием ошибок по степени критичности и типам ошибок | Реализована система визуализации ошибок с цветовым выделением проблемных фрагментов, разбивкой ошибок по степени критичности и видам ошибок. | false | true | true |
5,585 | 2026-02-23T13:08:07.981000Z | 2026-02-23T13:08:07.981000Z | Lec. | Внедрена комплексная методика проверки, сочетающая:. - статистические методы машинного обучения;. - детерминированные лингвистические правила;. - алгоритмы сопоставления с эталонными шаблонами оформления | false | true | false | |
5,584 | 2026-02-23T13:08:06.176000Z | 2026-02-23T13:08:06.176000Z | Lec. | Разработана система правил для автоматического выявления:. - стоп-слов и их неоптимальных сочетаний;. - некорректных лексических последовательностей;. - ошибочных символов и знаков пунктуации;. - стилистически маркированных языковых конструкций | false | true | false | |
5,583 | 2026-02-23T13:08:04.452000Z | 2026-02-23T13:42:23.940000Z | Lec. | Создан и аннотирован новый лингвистический датасет, включающий:. - парные примеры грамматически правильных и ошибочных предложений | Создан и аннотируется новый лингвистический датасет, включающий: парные примеры грамматически правильных и ошибочных предложений. | false | true | true |
5,582 | 2026-02-23T13:08:02.688000Z | 2026-02-23T13:32:37.292000Z | Lec. | Реализованы и обучены две версии моделей-классификаторов:. - базовый вариант на основе датасета Rucola;. - улучшенная версия на оригинальном размеченном датасете, содержащем примеры лингвистически корректных и некорректных предложений | Реализованы и обучены две версии моделей-классификаторов: - базовый вариант на основе датасета Rucola; - улучшенная версия на оригинальном размеченном датасете, содержащем примеры лингвистически корректных и некорректных предложений. | false | true | true |
5,581 | 2026-02-23T13:08:01.224000Z | 2026-02-23T15:40:27.313000Z | Lec. | Разработано и протестировано специализированное веб-приложение, обеспечивающее:. - автоматизированную проверку лингвистической приемлемости предложений;. - валидацию корректности оформления библиографических ссылок;. - контроль соответствия стилевым требованиям оформления документов | Разработано и протестировано специализированное веб-приложение, обеспечивающее: - автоматизированную проверку лингвистической приемлемости предложений. - валидацию корректности оформления библиографических ссылок. - контроль соответствия стилевым требованиям оформления документов. | false | true | true |
5,580 | 2026-02-23T13:07:59.311000Z | 2026-02-23T16:58:40.219000Z | Lec. | Разрабатываемая система автоматической лексической проверки студенческих работ позволяет выявлять синтаксические, семантические, морфологические и грамматические ошибки, а также проверять корректность оформления библиографических ссылок, что значительно сократит время проверки работ преподавателями МИЭМ, повысит их производительность и обеспечит единые стандарты оценки, одновременно позволяя студентам оперативно получать обратную связь, оперативно дорабатывать проекты и улучшать качество оформления своих работ перед сдачей | Разрабатываемая система автоматической лексической проверки студенческих работ позволяет выявлять синтаксические, семантические, морфологические и грамматические ошибки, а также проверять корректность оформления библиографических ссылок, что существенно сокращает время проверки работ преподавателями МИЭМ, повышает их производительность и обеспечивает единые стандарты оценки. При этом она позволяет студентам оперативно получать обратную связь, оперативно дорабатывать проекты и улучшать качество оформления своих работ перед сдачей | false | true | true |
5,579 | 2026-02-23T13:07:57.397000Z | 2026-02-23T13:07:57.397000Z | Lec. | Ссылка на модель: https://huggingface.co/p1746-lingua/ruRoberta-large-rucola-science | false | false | false | |
5,578 | 2026-02-23T13:07:55.329000Z | 2026-02-23T13:07:55.329000Z | Lec. | На тестовом датасете получены следующие значения метрик качества классификации: accuracy = 0.92, f1 = 0.95, MCC = 0.55 | false | false | false | |
5,577 | 2026-02-23T13:07:53.581000Z | 2026-02-23T13:07:53.581000Z | Lec. | Оптимизатор: adamw_bnb_8bit | false | false | false | |
5,576 | 2026-02-23T13:07:52.067000Z | 2026-02-23T13:07:52.067000Z | Lec. | При поиске оптимальных параметров обучения были выбраны следующие значения:. per_device_train_batch_size: 32;. weight_decay: 0.1;. warmup_steps: 100;. learning_rate: 0.000005; | false | false | false | |
5,575 | 2026-02-23T13:07:50.572000Z | 2026-02-23T13:33:01.509000Z | Lec. | Рисунок 9 – Визуализация взаимосвязей между гиперпараметрами обучения и метриками качества методом параллельных координат для модели предобученной на датасете RuCoLA модели ruRoBERTa | Рисунок 9 – Визуализация взаимосвязей между гиперпараметрами обучения и метриками качества методом параллельных координат для модели ruRoBERTa, предобученной на датасете RuCoLA | false | true | true |
5,574 | 2026-02-23T13:07:48.710000Z | 2026-02-23T16:08:01.956000Z | Lec. | Был произведен поиск оптимальных параметров модели на тренировочном датасете (Рисунок 9) | Были произведены поиски оптимальных параметров модели на тренировочном датасете (Рисунок 9) | false | true | true |
5,573 | 2026-02-23T13:07:46.974000Z | 2026-02-23T13:29:23.840000Z | Lec. | Собранный датасет был разделен на стратифицированные выборки для обучения и тестирования в отношении 4:1 | Собранный датасет был разделен на стратифицированные выборки для обучения и тестирования в соотношении 4:1. | false | true | true |
5,572 | 2026-02-23T13:07:45.361000Z | 2026-02-23T15:39:40.715000Z | Lec. | Для улучшения качества работы модели, определяющей вероятность наличия ошибок в студенческих отчетах, была использована модель ruRoberta, обученная ранее на датасете RuCoLA, которую дообучили на собранном датасете ошибок в студенческих работах https://huggingface.co/datasets/p1746-lingua/correct_incorrect_sents | Для улучшения качества работы модели, определяющей вероятность наличия ошибок в студенческих отчетах, была использована модель ruRoberta, обученная ранее на датасете RuCoLa, которую дообучили на собранном датасете ошибок в студенческих работах https://huggingface.co/datasets/p1746-lingua/correct_incorrect-sents | false | true | true |
5,571 | 2026-02-23T13:07:43.488000Z | 2026-02-23T13:07:43.488000Z | Lec. | Описание модели для нахождения ошибок в студенческих отчетах | false | true | false | |
5,570 | 2026-02-23T13:07:41.594000Z | 2026-02-23T13:07:41.594000Z | Lec. | Ссылки на старую и новую модели соответственно: https://huggingface.co/bruhtus/project-1746- LLaMA-8B-rucola-funetune, https://huggingface.co/p1746-lingua/ruRoberta-large-rucola | false | false | false | |
5,569 | 2026-02-23T13:07:39.763000Z | 2026-02-23T13:07:39.763000Z | Lec. | Новая. 10. 0.83. 0.59 | false | true | false | |
5,568 | 2026-02-23T13:07:38.108000Z | 2026-02-23T13:07:38.108000Z | Lec. | Старая. 20. 0.742. 0.419 | false | false | false | |
5,567 | 2026-02-23T13:07:36.419000Z | 2026-02-23T13:07:36.419000Z | Lec. | MCC на валидационном датасете | false | true | false | |
5,566 | 2026-02-23T13:07:34.667000Z | 2026-02-23T13:28:36.775000Z | Lec. | Accuracy на валидационном датасете | Accuracy на валидационном датасете | false | true | true |
5,565 | 2026-02-23T13:07:32.504000Z | 2026-02-23T13:07:32.504000Z | Lec. | Место в лидербрде RuCoLA | false | true | false | |
5,564 | 2026-02-23T13:07:30.767000Z | 2026-02-23T13:07:30.767000Z | Lec. | Версия модели | false | false | false | |
5,563 | 2026-02-23T13:07:27.088000Z | 2026-02-23T13:26:34.253000Z | Lec. | Таблица 2 – Сравнение качества работы моделей | Таблица 2. Сравнение качества работы моделей. | false | true | true |
5,562 | 2026-02-23T13:07:25.567000Z | 2026-02-23T13:07:25.567000Z | Lec. | Warmup Steps. 0. 100 | false | true | false | |
5,561 | 2026-02-23T13:07:23.968000Z | 2026-02-23T13:07:23.968000Z | Lec. | Weight Decay. 0. 0.1 | false | false | false | |
5,560 | 2026-02-23T13:07:22.570000Z | 2026-02-23T13:07:22.570000Z | Lec. | Learning Rate. 0.0001. 0.00001 | false | false | false | |
5,559 | 2026-02-23T13:07:20.953000Z | 2026-02-23T13:07:20.953000Z | Lec. | Batch Size. 8. 32 | false | false | false | |
5,558 | 2026-02-23T13:07:19.273000Z | 2026-02-23T13:07:19.273000Z | Lec. | AdamW с 8-bit | false | false | false | |
5,557 | 2026-02-23T13:07:17.540000Z | 2026-02-23T13:07:17.540000Z | Lec. | Paged AdamW 32-bit | false | true | false | |
5,556 | 2026-02-23T13:07:15.912000Z | 2026-02-23T13:33:44.547000Z | Lec. | Оптимизатор | Оптимизатор | false | true | true |
5,555 | 2026-02-23T13:07:14.366000Z | 2026-02-23T13:07:14.366000Z | Lec. | Макс. длина последовательности. 256 токенов. 512 токенов | false | false | false | |
5,554 | 2026-02-23T13:07:12.778000Z | 2026-02-23T13:07:12.778000Z | Lec. | Не применяется | false | false | false | |
5,553 | 2026-02-23T13:07:11.366000Z | 2026-02-23T13:07:11.366000Z | Lec. | LoRA Rank. 128 | false | true | false | |
5,552 | 2026-02-23T13:07:09.585000Z | 2026-02-23T13:07:09.585000Z | Lec. | Взвешенная функция потерь | false | true | false | |
5,551 | 2026-02-23T13:07:07.920000Z | 2026-02-23T13:07:07.920000Z | Lec. | LoRA (Low-Rank Adaptation) | false | false | false | |
5,550 | 2026-02-23T13:07:06.219000Z | 2026-02-23T13:07:06.219000Z | Lec. | Особенность обучения | false | true | false | |
5,549 | 2026-02-23T13:07:04.469000Z | 2026-02-23T13:07:04.469000Z | Lec. | Llama3 8B (LoRA). ruRoberta (взвешенная функция потерь) | false | false | false | |
5,548 | 2026-02-23T13:07:02.717000Z | 2026-02-23T18:05:25.275000Z | Lec. | Таблица 1 – Параметры обучения для модели LLaMA 3 8B и ruRoberta-large | Таблица 1. Параметры обучения для модели LLaMA 3 8B и ruRoberta-large. | false | true | true |
5,547 | 2026-02-23T13:07:00.967000Z | 2026-02-23T13:36:51.418000Z | Lec. | Ниже приведены таблицы с характеристиками старой и новой модели при обучении (Таблица 1), сравнение качества работы моделей, обученных на датасете RuCoLA (Таблица 2) | Ниже приведены таблицы с характеристиками старой и новой модели при обучении (Таблица 1), а также сравнение качества работы моделей, обученных на датасете RuCoLA (Таблица 2). | false | true | true |
5,546 | 2026-02-23T13:06:59.386000Z | 2026-02-23T13:06:59.386000Z | Lec. | Рисунок 8 – Количество удаляемых классов 2-й уровень ГРНТИ | false | true | false | |
5,545 | 2026-02-23T13:06:57.794000Z | 2026-02-23T13:49:26.250000Z | Lec. | Результаты, представленные, ранее, демонстрируют, что изменения в архитектуре модели, выборе функции потерь и исключение метода LoRA обеспечили повышение качества классификации на датасете RuCoLA | Результаты, представленные ранее, демонстрируют, что изменения в архитектуре модели, выбор функции потерь и исключение метода LoRA обеспечили повышение качества классификации на датасете RuCoLA. | false | true | true |
5,544 | 2026-02-23T13:06:56.110000Z | 2026-02-23T13:32:52.338000Z | Lec. | Сравнительный анализ процессов обучения исходной и модернизированной версией модели представлен на рис. 8 | Сравнительный анализ процессов обучения исходной и модернизированной версий модели представлен на рис. 8. | false | true | true |
5,543 | 2026-02-23T13:06:54.381000Z | 2026-02-23T16:31:46.906000Z | Lec. | Рисунок 7 – Визуализация взаимосвязей между гиперпараметрами обучения и метриками качества методом параллельных координат для модели ruRoBERTa | Рисунок 7. Визуализация взаимосвязей между гиперпараметрами обучения и метриками качества методом параллельных координат для модели ruRoBERTa. | false | true | true |
5,542 | 2026-02-23T13:06:52.479000Z | 2026-02-23T13:36:01.721000Z | Lec. | Был произведен поиск оптимальных гипараметров для модели ruRoberta (рис. 7) | Были произведены поиски оптимальных гипараметров для модели ruRoberta (рис. 7) | false | true | true |
5,541 | 2026-02-23T13:06:50.858000Z | 2026-02-23T13:06:50.858000Z | Lec. | Модель ruRoBERTa показала лучшее качество предсказаний, поэтому была выбрана для дальнейшего изучения | false | true | false | |
5,540 | 2026-02-23T13:06:49.125000Z | 2026-02-23T13:06:49.125000Z | Lec. | Vicuna: 0.24;. ruBERT: 0.12 | false | false | false | |
5,539 | 2026-02-23T13:06:47.301000Z | 2026-02-23T13:06:47.301000Z | Lec. | T-Lite: 0.40; | false | true | false | |
5,538 | 2026-02-23T13:06:45.630000Z | 2026-02-23T13:06:45.630000Z | Lec. | В результате получены следующие показатели метрики классификации MCC:. ruRoberta: 0.50; | false | true | false | |
5,537 | 2026-02-23T13:06:44.008000Z | 2026-02-23T13:06:44.008000Z | Lec. | Для первичного сравнения эффективности моделей было проведено обучение каждой из них на датасете RuCoLA в течение 1 эпохи | false | true | false | |
5,536 | 2026-02-23T13:06:42.257000Z | 2026-02-23T13:48:37.475000Z | Lec. | В этом году были рассмотрены альтернативные варианты использования больших языков моделей (ruRoBERTa, ruBERT, T-lite, Vicuna) для решения задачи классификации | В этом году были рассмотрены альтернативные варианты использования больших языковых моделей (ruRoBERTa, ruBERT, T-lite, Vicuna) для решения задачи классификации. | false | true | true |
5,535 | 2026-02-23T13:06:40.506000Z | 2026-02-23T13:06:40.506000Z | Lec. | Описание модели, выбранной в этом учебном году | false | true | false | |
5,534 | 2026-02-23T13:06:38.960000Z | 2026-02-23T13:06:38.960000Z | Lec. | Это позволило адаптировать LLaMA 3 8B к датасету RuCoLA, сохранив преимущества крупной языковой модели в условиях ограниченных вычислительных мощностей | false | true | false | |
5,533 | 2026-02-23T13:06:37.113000Z | 2026-02-23T16:07:36.506000Z | Lec. | Для решения этой проблемы использовался метод LoRA (Low-Rank Adaptation), который позволяет дообучать только небольшую часть параметров модели (с rank=128), значительно снижая требования к ресурсам | Для решения этой проблемы использовался метод LoRA (Low-Rank Adaptation), который позволяет дообучать только небольшую часть параметров модели (с рангом 128), значительно снижая требования к ресурсам | false | true | true |
5,532 | 2026-02-23T13:06:35.522000Z | 2026-02-23T17:33:17.758000Z | Lec. | Поскольку полное дообучение такой большой модели требовало около 100 ГБ видеопамяти, что превышало возможности доступного оборудования (16 ГБ) | Поскольку полное дообучение такой большой модели требовало около 100 ГБ видеопамяти, что превышало возможности доступного оборудования (16 ГБ) | false | true | true |
5,531 | 2026-02-23T13:06:33.774000Z | 2026-02-23T13:06:33.774000Z | Lec. | Несмотря на то, что BERT и подобные архитектуры хорошо зарекомендовали себя в подобных задачах, выбор пал на LLaMA 3 8B из-за её значительно большего размера (8 млрд параметров против 345 млн у BERT-large) и объёма предобучения (15 трлн токенов против 3.3 млрд у BERT) | false | true | false | |
5,530 | 2026-02-23T13:06:31.891000Z | 2026-02-23T13:06:31.891000Z | Lec. | Ранее для задачи классификации текстов вместо традиционных encoder-only моделей (например, BERT) была применена модель LLaMA 3 8B | false | true | false | |
5,529 | 2026-02-23T13:06:30.135000Z | 2026-02-23T13:25:26.714000Z | Lec. | Описание модели, выбранной в прошлом учебном году | Описание модели, выбранной в прошлом учебном году. | false | true | true |
5,528 | 2026-02-23T13:06:28.614000Z | 2026-02-23T13:06:28.614000Z | Lec. | Предложения с ошибками в режиме стриминга передаются пользователю, где в режиме реального времени выделяются цветом | false | true | false | |
5,527 | 2026-02-23T13:06:27.001000Z | 2026-02-23T13:38:06.039000Z | Lec. | После бинарной классификации предложения проходят фильтрацию с порогом 0,95 для уменьшения ложноположительных результатов | После бінарної класифікації пропозицій проходять фільтрацію з порогом 0,95 для зменшення ложнопозитивних результатів | false | true | true |
5,526 | 2026-02-23T13:06:24.994000Z | 2026-02-23T13:06:24.994000Z | Lec. | Отфильтрованные предложения разделяются по группам для ускорения работы | true | true | false | |
5,525 | 2026-02-23T13:06:22.604000Z | 2026-02-23T18:22:39.933000Z | Lec. | Предложения меньше 10 символом считаются ошибкой парсера | Предложения меньше 10 символов считаются ошибкой парсера | false | true | true |
5,524 | 2026-02-23T13:06:20.937000Z | 2026-02-23T17:14:09.795000Z | Lec. | Предложения фильтруются по длине | Предложения фильтруются по длине. | false | true | true |
5,523 | 2026-02-23T13:06:19.320000Z | 2026-02-23T13:06:19.320000Z | Lec. | Модуль получает на вход список предложений из отчета, полученный парсером | true | true | false | |
5,522 | 2026-02-23T13:06:16.688000Z | 2026-02-23T16:09:31.420000Z | Lec. | Для проверки предложений в отчете на лексическую приемлемость был написан модуль использующий предобученную модель ruRoBERTa-large | Для проверки предложений в отчете на лексическую приемлемость был написан модуль, использующий предобученную модель ruRoBERTa-large. | false | true | true |
5,521 | 2026-02-23T13:06:15.094000Z | 2026-02-23T13:49:01.773000Z | Lec. | Из документа, преобразованного с помощью регулярных выражений при помощи библиотеки re извлекается текст, производится поиск блока со списком литературы, рассматривается несколько вариантов строк, отделяющих этот блок с помощью регулярных выражений | Из документа, преобразованного с помощью регулярных выражений при помощи библиотеки re извлекается текст. Производится поиск блока со списком литературы. Рассматривается несколько вариантов строк, отделяющих этот блок с помощью регулярных выражений. | false | true | true |
5,520 | 2026-02-23T13:06:13.377000Z | 2026-02-23T13:06:13.377000Z | Lec. | Программа получения списка литературы | false | true | false | |
5,519 | 2026-02-23T13:06:11.438000Z | 2026-02-23T13:46:46.847000Z | Lec. | При помощи Libreoffice и Beautiful Soup извлекаются страницы документа в формате docx, используется библиотека Libreoffice Converter для перевода страниц в заданный формат | При помощи Libreoffice и Beautiful Soup извлекаются страницы документа в формате docx. Используется библиотека Libreoffice Converter для перевода страниц в заданный формат. | false | true | true |
5,518 | 2026-02-23T13:06:09.871000Z | 2026-02-23T13:49:51.346000Z | Lec. | Программа перевода документа в формате docx в формат html и pdf | Программа перевода документа из формата docx в форматы html и pdf | false | true | true |
5,517 | 2026-02-23T13:06:08.178000Z | 2026-02-23T13:47:37.013000Z | Lec. | Разделяются оставшиеся 2 блока | Разделяются оставшиеся 2 блока. | false | true | true |
5,516 | 2026-02-23T13:06:06.620000Z | 2026-02-23T13:06:06.620000Z | Lec. | Рассматривается оставшийся текст до начала списка литературы, который определяется с помощью регулярных выражений, используя несколько вариантов завершающих строк | false | true | false | |
5,515 | 2026-02-23T13:06:05.087000Z | 2026-02-23T13:06:05.087000Z | Lec. | Этот блок отделяется | false | true | false | |
5,514 | 2026-02-23T13:06:02.862000Z | 2026-02-23T18:10:17.701000Z | Lec. | С помощью регулярных выражений (библиотека re) рассматривается несколько вариантов строк для окончания блока, включающего титульную страницу и оглавления | С помощью регулярных выражений (библиотека re) рассматривается несколько вариантов строк для окончания блока, включающего титульную страницу и оглавления. | false | true | true |
5,513 | 2026-02-23T13:05:53.976000Z | 2026-02-23T13:05:53.976000Z | Lec. | Программа разделения предложений на текст титульной страницы, содержание, тело, список литературы документа | false | false | false | |
5,512 | 2026-02-23T13:05:52.424000Z | 2026-02-23T13:05:52.424000Z | Lec. | Также был рассмотрен вариант использования библиотеки spacy, результат выполнения был получен в среднем в 50 раз медленнее, но результат не дает значительного преимущества по сравнению с первым вариантом | false | true | false | |
5,511 | 2026-02-23T13:05:50.917000Z | 2026-02-23T13:05:50.917000Z | Lec. | Для реализации программы разделения текста на предложения без использования машинного обучения учитываются знаки окончания предложения, а также рассматривается вариант нумерованного списка, элементы которого выделяются в отдельные предложения | false | true | false | |
5,510 | 2026-02-23T13:05:49.289000Z | 2026-02-23T13:05:49.289000Z | Lec. | Программа разделения текста на предложения | true | true | false | |
5,509 | 2026-02-23T13:05:47.820000Z | 2026-02-23T13:05:47.820000Z | Lec. | При помощи Libreoffice определяется формат текста на каждой странице документа в формате docx, текст выделенный жирным или курсивом, шрифты, размеры кегля, отступы, межстрочные интервалы и многое другое | false | true | false | |
5,508 | 2026-02-23T13:05:46.203000Z | 2026-02-23T13:05:46.203000Z | Lec. | Программа извлечения стилей документа | false | true | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.