Труды КНЦ вып. 11 (ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ) вып. 8/2020 (11)

прикладных системах [6]. Этот компромисс обеспечивается маркировочными функциями и предложенным в данной работе их более общим представлением, которые являются связующим звеном между моделью предметной области, обладающей богатыми объяснительными свойствами, и ML-моделью, эффективно симулирующей причинно-следственные связи в рамках моделируемых объектов и процессов, но не дающей представления об их внутренней структуре и природе. Литература 1. Малоземова М.Л., Ломов П.А. Технология пополнения тезауруса на основе применения дистрибутивного подхода к анализу естественно-языковых текстов // Труды Кольского научного центра. Информационные технологии. - Апатиты: Изд-во ФИЦ КНЦ РАН. - 9/2019 (10), Выпуск 10. - С.84-90 2. Dikovitsky V. V., Shishaev M. G. Automated Extraction of Deontological Statements Through a Multilevel Analysis of Legal Acts //Proceedings of the Computational Methods in Systems and Software. - Springer, Cham, 2018. - С. 102­ 110 3. Weak Supervision: A New Programming Paradigm for Machine Learning/ Alex Ratner, and other members of Hazy Lab. March 10, 2019. http://ai.stanford.edu/blog/weak-supervision/ 4. Ratner, Alexander et al. (2016). Data Programming: Creating Large Training Sets, Quickly. Advances in neural information processing systems. 5. Programmatically Building and Managing Training Data https://www.snorkel.org/ 6. Yarden Katz. Noam Chomsky on Where Artificial Intelligence Went Wrong. An extended conversation with the legendary linguist. November 1, 2012. https://www.theatlantic.com/technology/archive/2012/11/noam-chomsky-on- where-artificial-intelligence-went-wrong/261637/ 175