Алгоритми семантичного аналізу для покращення точності рекомендацій наукових творів на основі ключових слів
Ключові слова:
семантичний аналіз, рекомендаційна система, наукові твори, ключові слова, TF-IDF, Word2Vec, BERTАнотація
У роботі досліджуються сучасні алгоритми семантичного аналізу для покращення точності рекомендацій наукових творів. Представлено порівняльний аналіз алгоритмів TF-IDF, Word2Vec, та BERT, а також їх ефективність у підборі релевантної наукової літератури.
Посилання
Manning C. D., Raghavan P., Schütze H. Introduction to Information Retrieval. Cambridge University Press. Cambridge, England. 2009. 544 p.
Mikolov T., Chen K., Corrado G., Dean J. Efficient Estimation of Word Representations in Vector Space. arXiv:1301.3781. 2013. DOI: 10.48550/arXiv.1301.3781.
Goldberg Y., Levy O. Word2Vec Explained: Deriving Mikolov’s Negative-Sampling Word-Embedding Method. arXiv:1402.3722. 2014. DOI: 10.48550/arXiv.1402.3722.
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding / J. Devlin, M. W. Chang, K. Lee, K. Toutanova. arXiv:1810.04805. 2018. DOI: 10.48550/arXiv. 1810.04805.
Vaswani A., Shazeer N., Parmar N. Attention is All You Need. Advances in Neural Information Processing Systems. 2017. P. 5998–6008.
