Līdzīgo jēdzienu klasifikācija, balstoties uz tekstuāliem aprakstiem

Abstract

Mūsdienās aizvien populārākas kļūst rekomendāciju sistēmas. Tomēr, lai rekomendācijas sistēma spētu dot pienācīgus rezultātus, ir jāpatērē daudz laika un resursu statistikas iegūšanai, ko nevar atļauties, piemēram, tikko atvērtie interneta veikali. Tāpēc būtu vajadzīgs alternatīvs veids, kā noteikt līdzību starp dažādiem jēdzieniem, uz kā varētu balstīt rekomendāciju vietnes apmeklētājiem. Šī darba mērķis ir tieši izveidot tādu modeli, kas nebūtu atkarīgs ne no lietotāju atsauksmēm, ne no noteikta jēdziena tipa – tātad būtu pietiekami universāls, lai derētu dažādiem jēdzienu tipiem. Rezultātā tika iegūta strādājoša sistēma, kuras sniegumu arī tika mēģināts novērtēt balstoties uz teorētiskiem likumiem, ko var piemērot līdzīgiem objektiem un salīdzinājumu ar eksistējošām dažāda darbības principa klasificēšanas sistēmām.

Nowadays product and service recommendation systems are becoming more and more popular. However, much time and resources are spent on gathering statistical information that is needed for a recommendation system to produce proper results. And it is an unacceptable solution for some websites, like newly opened internet shops. Therefore, an alternate solution is needed, how to classify similar concepts to recommend them to visitors. The purpose of this work is to create a similar concept classification model, which will not rely on user feedback or on different features of concept. In other words, it must be universal enough to apply to different concept types. As a result of this work, a working system was created, which performance, it was attempted to evaluate using theoretical laws, which can be applied to similarities and result comparison with existing classification systems.