Keresés

Keresési eredmények

• LSI with Support Vector Machine for Text Categorization – a practical example with Python

  18-29

  Gomes Da Costa Cavalcanti Joao Henrique

  Menyhárt József

  Megtekintések száma:

  558

  Artificial intelligence is becoming a powerful tool of modernity science, there is even a science consensus about how our society is turning to a data-driven society. Machine learning is a branch of Artificial intelligence that has the ability to learn from data and understand its behavers. Python programming language aiming the challenges of this new era is becoming one of the most popular languages for general programming and scientific computing. Keeping all this new era circumstances in mind, this article has as a goal to show one example of how to use one supervised machine learning method, Support Vector Machine, and to predict movie’s genre according to its description using the programming language of the moment, python. Firstly, Omdb official API was used to gather data about movies, then tuned Support Vector Machine model for Latent semantic indexing capable of predicting movies genres according to its plot was coded. The performance of the model occurred to be satisfactory considering the small dataset used and the occurrence of movies with hybrid genres. Testing the model with larger dataset and using multi-label classification models were purposed to improve the model.

• Kiberbiztonsági kihívások a mezőgazdaság digitalizációjában: Szisztematikus áttekintés Python-alapú elemzéssel

  33-47

  Porkoláb-Angyalos Zsanett

  Megtekintések száma:

  284

  A mezőgazdaság és a kiberbiztonság metszéspontja az IoT (Internet of Things) és a precíziós gazdálkodás gyors térnyerése révén az utóbbi években a kutatás egyik kiemelt területévé vált. Ezek a technológiai innovációk forradalmasították a mezőgazdasági folyamatokat, javítva a hatékonyságot és a fenntarthatóságot, ugyanakkor jelentős biztonsági kockázatokat is hoztak magukkal. Ez a tanulmány szisztematikus irodalomkutatást (Systemeatic Literature Review - SLR) végez a mezőgazdaság kiberbiztonságának kulcskérdéseiről, különös tekintettel az IoT sebezhetőségeire és a fenyegetésekre. A kutatás során Python-alapú szövegelemzési technikák segítségével automatizáltam az absztraktok és teljes szövegek elemzését, lehetővé téve a releváns tanulmányok gyors szűrését és tematikus csoportosítását. Az elemzett 1039 publikáció közül szigorú szűrési kritériumok alapján 40 releváns tanulmányt azonosítottam. A tematikus elemzés eredménye szerint a publikációk 44,9%-a az IoT eszközök sebezhetőségeire, 32,7%-a a mezőgazdasági kiberbiztonsági kihívásokra, míg 22,4%-a az Agriculture 4.0 és precíziós gazdálkodás biztonsági kérdéseire összpontosított. A módszertani megoszlás vizsgálata során kiderült, hogy a kutatásokban a gépi tanulás, a szimulációs modellek és az esettanulmányok dominálnak, míg a felmérések és a kísérleti kutatások kisebb arányban fordulnak elő. Az eredmények rávilágítanak arra, hogy a mezőgazdasági szektorban alapvető fontosságú a kiberbiztonsági stratégiák és technológiák fejlesztése, különösen az IoT eszközök által hordozott kockázatok csökkentése érdekében.