Исследование эффективности методов оценки схожести смыслового содержания научных статей

Abstract

В данной выпускной квалификационной работе магистра проводитсяанализ эффективности методов оценки схожести смыслового содержаниянаучных статей. В качестве объектов анализа выбраны четыре алгоритма:Doc2Vec, взвешенная сумма векторов слов, полученных с помощью FastText,Word Mover’s Distance, Skip-Thought Vectors.Целью работы является автоматизация процесса поиска научных статей сосхожим смысловым содержанием, обогащение представления текста методамимашинного обучения.Научная новизна работы заключается в исследовании зависимости оценкиэффективности методов поиска схожести исследований в научных статьях отразличных параметров алгоритмов поиска.Создана информационно-логическая модель автоматизированной системыв нотации UML с помощью бесплатного сервиса draw.io (13.0.1).Система реализована на языке Python с помощью инструмента дляинтерактивной разработки и представления проектов в области наук о данныхJupyter Notebook.Для реализованных алгоритмов был проведен сравнительный анализкачества результата