Алгоритми семантичного аналізу для покращення точності рекомендацій наукових творів на основі ключових слів
Keywords:
семантичний аналіз, рекомендаційна система, наукові твори, ключові слова, TF-IDF, Word2Vec, BERTAbstract
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.
References
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.