Search

Магістерська дисертація містить 132 с., 23 табл., 16 рис., 1 дод. та 15 джерел. Обʼєкт дослідження – підходи до обробки природної мови, а саме вектроне представлення тексту за допомогою трансформерних нейронних мереж, та їх використання у рекомендаційних системах з метою підвищення точності рекомендацій. Предмет дослідження – векторне представлення тексту за допомогою трансформерних нейронних мереж та вплив його використання на точність гібридної контентно-колаборативної рекомендаційної моделі. Мета роботи – розробка сервісу рекомендаційної системи, що використовує методи обробки природної мови з метою підвищення точності рекомендацій. У ході виконання роботи було проведено аналіз існуючих підходів до обробки природної мови та порівняння рекомендаційного алгоритму, що використовує векторне представлення тексту з класичними підходами: описано процес проектування сервісу та аналіз створеного програмного продукту. В рамках подальшої роботи доцільно досліджувати інші підходи до обробки природної мови та їх вплив на точність рекомендацій; проводити оптимізацію алгоритмів векторного представлення тексту з метою зниження їх обчислювальної вартості; проводити експерименти з гібридизації рекомендаційних систем. Dissertation includes: 132 p., 23 tables, 16 fig., 1 add. and 15 references. The research objects are the approaches to natural language processing, especially text embedding generation using transformer neural networks and its usage in recommender systems in order to improve recommender efficiency. The research subjects are text embedding generation using transformer neural networks and its impact on recommender system efficiency. The research purpose is the development and analysis of a recommender system that benefits from natural language processing algorithms. During the research there were existing approaches to natural language processing analyzed and recommender algorithms that benefit from the usage of text embeddings and classic recommender algorithms compared; the process of building and analysis of a program product described. As for further research, it is recommended to continue to experiment with alternative natural language processing approaches, to optimize and tune existing text embedding generation algorithms and to experiment with recommender system hybridization.

Магістерська дисертація: 80 с., 11 рис., 22 табл., 2 додатки, 16 джерел. Актуальність теми – наявність потреби в бізнесу на отримання унікальних машинно генерованих текстів довільного об’єму. Мета роботи – побудувати модель для генерації текстів, яка продовжує ключову фразу. Об’єкт дослідження – методи обробки природної мови. Предмет дослідження – штучні нейронні мережі. Методи дослідження – моделювання, системний метод. Наукова новизна одержаних результатів – запропоновано і реалізовано модель, яка використовує паралельні рекурентні комірки та завдяки цьому займає менше місця на носіях інформації. Практичне значення одержаних результатів – розроблена система задовольняє потребам бізнесу та дозволяє недорого генерувати унікальні тексти; при цьому дозволяє бізнесу економити на носіях інформації для збереження моделей. Masters thesis: 80 p., 11 fig., 22 tabl., 2 appendixes, 16 sources. The theme: Text generation system using the methods of neural networks. Actuality – business needs unique machine generated texts of arbitrary size. Purpose – build the text generating model which extends the key phrase. The object of study – methods of natural language processing. Subject of research – artificial neural networks. The methods of research – modeling, system method. Scientific novelty of the results – for the first time proposed and implemented the model that uses parallel recursive cells and thus takes up less space on storage. Practical significance of the results – the developed system satisfies the needs of business and allows to inexpensively generate unique texts while allowing businesses to save on storage.

Магістерська дисертація: 86 с., 9 рис., 15 табл., 1 додатки, 10 джерел. Об’єкт дослідження: рекомендаційні системи, математичні алгоритми машинного навчання, аналіз тональності тексту. Предмет дослідження: аналіз тональності тексту з використанням машинного навчання. Мета магістреської дисертації: дослідження та реалізація алгоритмів машинного навчання для розробки системи рекомендаціій на основі структурованих та неструктурованих даних. Результати:  запропоновано власний алгоритм формування рекомендацій на основі структурованих та неструктурованих даних, присутніх в обраній предметній області;  практичним результатом роботи є розробка архітектури рекомендаційної системи для вибору розважальних бізнесів на основі запропонованого алгоритм аналізу тональності тексту у вигляді прикладної програми; Напрямок подальших досліджень: впровадження алгоритмів нейронних мереж для оцінки вподобань. Master's thesis: 86 p., 9 figures, 15 tables, 1 application, 10 sources. Object of research: recommendation system, mathematical algorithms of machine learning, sentiment analysis of the text. Subject of research: sentiment analysis of text using machine learning. The purpose of the master's thesis: research and implementation of machine learning algorithms for developing a system of recommendations based on structured and unstructured data. Results: - the own algorithm of the recommendations formation on the basis of structured and unstructured data present in the chosen subject area is offered; - the practical result of the work is the development of the advisory system architecture for the selection of films on the basis of the proposed algorithm in the form of an application; Direction of further researches: introduction of algorithms of neural networks for the estimation of preferences.