Підходи до обробки природної мови в рекомендаційних системах

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.