Discrete and Continuous Models and Applied Computational ScienceDiscrete and Continuous Models and Applied Computational ScienceDiscrete and Continuous Models and Applied Computational Science2658-46702658-7149Peoples' Friendship University of Russia named after Patrice Lumumba (RUDN University)8666ArticlesСтатьиAbout Language of Distorted Text Identification Using Support Vector MachinesОб идентификации языка искаженных текстов методом опорных векторовErmilovA VЕрмиловАлексей Валерьевичкафедра управления разработкой программного обеспечения; Национальный исследовательский институт «Высшая школа экономики»; National Research University Higher School of Economicsкафедра управления разработкой программного обеспечения; Национальный исследовательский институт «Высшая школа экономики»alvalerm@mail.ruNational Research University Higher School of EconomicsНациональный исследовательский институт «Высшая школа экономики»150220122NO2 (2012)№2 (2012)12713108092016Copyright ©; 2012, Ермилов А.В.2012Ермилов А.В.http://creativecommons.org/licenses/by/4.0https://journals.rudn.ru/miph/article/view/8666In this article we consider a problem of language identification in a text message in case where the message is under stochastic distortion called symbol change with different probabilities. We provide experimental results in language identification using support vector machines.Рассматривается задача автоматического определения языка текстовых сообщений для случая, когда текст, язык которого нужно определить, подвергается случайным искажениям называемых «замена символа» с различными вероятностями. Приводятся результаты экспериментов по идентификации языка методом опорных векторов.language identificationsupport vector machinesn-grammsидентификация языкаалгоритм опорных векторовn-граммы1.Support Vector Machines for Speaker and Language Recognition / W.M. Campbell, J.P. Campbell, D.A. Reynolds et al. // Computer Speech and Language. - 2006. - Vol. 20. - Pp. 210-229.2.Кулай А.Ю., Мельников С.Ю. О точности идентификации языка искаженного текста в зависимости от степени искажения // Концептуальный спектр изысканий в современном речеведении (Вестн. Моск. Гос. Лингвист. Ун-та, сер. Языкознание. - Вып. 575). - М.: ИПК МГЛУ «Рема». - 2009. - С. 200-209. [Kulayj A.Yu., Meljnikov S.Yu. O tochnosti identifikacii yazihka iskazhennogo teksta v zavisimosti ot stepeni iskazheniya // Konceptualjnihyj spektr izihskaniyj v sovremennom rechevedenii (Vestn. Mosk. Gos. Lingvist. Un-ta, ser. Yazihkoznanie. - Vihp. 575). - M.: IPK MGLU "Rema". - 2009. - S. 200-209. ]3.Boser B.E., Guyon I.M., Vapnik V.N. A Training Algorithm for Optimal Margin Classifiers // Proceedings of the 5th Annual ACM Workshop on Computational Learning Theory. - ACM Press, 1992. - Pp. 144-152.4.Buhmann M.D. Radial Basis Functions: Theory and Implementations. CambridgeMonographs on Applied and Computational Mathematics. - Cambridge University Press, 2009. - ISBN 9780521101332. - http://books.google.co.uk/books?id= -v2GPAAACAAJ.5.Joachims T. Text Categorization with Support Vector Machines: Learning withMany Relevant Features. - 1998.6.Teytaud O., Jalam R. Kernel-Based Text-Categorization // In International Joint Conference on Neural Networks (IJCNN'2001. - 2000. - P. 1.7.Hsu C.-W., Lin C.-J. A Comparison of Methods for Multiclass Support Vector Machines. - 2002.8.Buturovi.c L. J. PCP: a Program for Supervised Classification of Gene Expression Profiles // Bioinformatics. - 2006. - Vol. 22, No 2. - Pp. 245-247. - http: //bioinformatics.oxfordjournals.org/content/22/2/245.abstract.9.Kohavi R. A Study of Cross-Validation and Bootstrap for Accuracy Estimation andModel Selection. - Morgan Kaufmann, 1995. - Pp. 1137-1143.