Bert for Classification of Russian Functional Styles
DOI:
https://doi.org/10.13053/cys-29-2-5712Palabras clave:
BERT, functional style, text classification, corpus linguistics, stylometry, automatic text analysis, statistical parameters, morphological annotationResumen
This paper tests the hypothesis that texts belonging to different functional styles possess distinct quantitative and linguistic parameters specific to each style. These parameters allow for quantitative classification using BERT. The research aims to develop a BERT classification model based on linguistic features of texts in five main functional styles: scientific, literary, official-business, journalistic, and colloquial. This approach addresses the problem of automatic classification of Russian functional styles based on statistical and morphological characteristics of texts. The selected hyperparameters for training the neural network include batch size, number of epochs, and initial learning rate. The study corpus comprises texts of the five abivementioned styles, totaling 163,421,783 tokens, sourced from the Russian National Corpus. The range of methods includes quantitative text analysis, morphological annotation, exhaustive analysis, and machine learning algorithms. The developed approach demonstrated high classification accuracy, indicating the promise of the proposed method. The results can be applied to tasks in automatic text processing, authorship attribution, and stylistic analysis. Future development includes classification models for various genres and domains, alternative transformer architectures (such as RoBERTa, GPT), larger datasets, and studying the impact of different fine-tuning strategies on classification quality.Descargas
Publicado
Número
Sección
Licencia
Transfiero exclusivamente a la revista “Computación y Sistemas”, editada por el Centro de Investigación en Computación (CIC), los Derechos de Autor del artículo antes mencionado, asimismo acepto que no serán transferidos a ninguna otra publicación, en cualquier formato, idioma, medio existente (incluyendo los electrónicos y multimedios) o por desarrollar.
Certifico que el artículo, no ha sido divulgado previamente o sometido simultáneamente a otra publicación y que no contiene materiales cuya publicación violaría los Derechos de Autor u otros derechos de propiedad de cualquier persona, empresa o institución. Certifico además que tengo autorización de la institución o empresa donde trabajo o estudio para publicar este Trabajo.
El autor, representante acepta la responsabilidad por la publicación del Trabajo en nombre de todos y cada uno de los autores.
Esta Transferencia está sujeta a las siguientes reservas:
- Los autores conservan todos los derechos de propiedad (tales como derechos de patente) de este Trabajo, con excepción de los derechos de publicación transferidos al CIC, mediante este documento.
- Los autores conservan el derecho de publicar el Trabajo total o parcialmente en cualquier libro del que ellos sean autores o editores y hacer uso personal de este trabajo en conferencias, cursos, páginas web personal, etc.