ВВЕДЕНИЕ 4
1. ИСТОРИЯ ВОЗНИКНОВЕНИЯ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ 6
2. ОПРЕДЕЛЕНИЕ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ 7
3. ФУНКЦИИ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ 8
4. ТИПЫ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ 9
4.1 Контент-ориентированный 9
4.2 Коллаборативный подход 10
4.2.1 Кластеризация 11
4.2.2 User-based 12
4.2.3 Item-based 14
4.3 Гибридный 15
5. РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ В КОЛЛЕКЦИЯХ НАУЧНЫХ ЗНАНИЙ 16
6. ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА 17
6.1 Графематический анализ 18
6.2 Морфологический анализ 18
6.3 Синтаксический анализ 19
6.4 Семантический анализ 20
6.5 Извлечение ключевых слов 20
7. ВЕКТОРНАЯ МОДЕЛЬ ДОКУМЕНТА 22
7.1 Меры, основанные на расстояниях 22
7.2 Угловые меры 23
7.3 Корреляционные меры 24
7.4 Обоснование выбора метода вычисления меры близости 24
8. ОПИСАНИЕ РЕКОМЕНДАТЕЛЬНОГО СЕРВИСА 25
8.1 Архитектура веб-сервиса 25
8.2 Описание веб-интерфейса 26
8.3 Описание базы данных 29
8.4 Описание сервера приложений 30
8.4.1 API рекомендательного сервиса 30
8.4.2 Реализация метода извлечения ключевых слов 32
8.4.2.1 Подключение Watson NLU в проект 33
8.4.2.2 Загрузка документа на сервер приложений 33
8.4.2.2 Извлечение ключевых слов с использованием Watson NLU 34
8.4.3 Получение списка рекомендация для документа 36
9. ТЕСТИРОВАНИЕ РАБОТЫ РЕКОМЕНДАТЕЛЬНОГО СЕРВИСА 38
ЗАКЛЮЧЕНИЕ 40
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 41
ПРИЛОЖЕНИЕ
Рекомендательные системы изменили способы взаимодействия веб¬сайтов со своими пользователями. Вместо предоставления статической информации, в процессе поиска необходимой информации или услуги, рекомендательные системы увеличивают степень интерактивности для расширения предоставляемых пользователю возможностей.
Рекомендательные системы можно охарактеризовать как набор программных средств и методов предоставления предложений (рекомендаций) элементов, которые могут быть полезны для пользователя.
Таким образом рекомендательные системы оказались ценным средством, с помощью которого онлайн пользователи могут воспользоваться действительно интересующими их услугами, а также более эффективно обрабатывать большое количество информации, представленное в интернет ресурсах.
Но применительно к коллекциям научных знаний существует проблема отсутствия систем, которые обеспечивают персонификацию научного поиска и списка рекомендаций с учетом истории поведения пользователя, а также принимая во внимание тип, к которому он принадлежит.
Актуальность данной работы подтверждается отсутствием реализации автономной контент-ориентированной рекомендательной системы, предоставляющей API для взаимодействия со внешним сервисом.
Целью моей дипломной работы является разработка автономного контент-ориентированного рекомендательного сервиса, который будет выдавать рекомендации в соответствии с информацией, содержащейся в документах системы. Сервис будет обладать веб-интерфейсом для контроля и управления работой рекомендательного сервиса, а также предоставлять методы интернет-взаимодействия.
Для достижения поставленной цели был сформирован список необходимых для выполнения задач:
1. Анализ предметной области.
2. Анализ современных подходов, алгоритмов и технологий для реализации рекомендательных систем.
3. Модификация выбранного алгоритма для работы с коллекциями научных знаний.
4. Создание архитектуры базы данных с учетом особенностей работы алгоритма.
5. Создание архитектуры серверной части рекомендательного сервиса.
6. Создание панели управления для контроля работой рекомендательного сервиса.
Объектом моей дипломной работы является выдача списка рекомендаций пользователю.
Предметом данной работы является реализация рекомендательного сервиса, который подбирает список схожих документов на основании их содержания.
Практическая значимой данной работы состоит в улучшении качества взаимодействия пользователей и научных коллекций, а также помощь в эффективной обработке большого количества информации.
В ходе выполнения данной работы были проанализированы наиболее популярные на данный момент подходы к созданию рекомендательных систем. А также рассмотрен процесс обработки текстов на естественном языке.
На основе полученной информации, была реализована автономная рекомендательная система, представленная в виде отдельного веб-сервиса, что делает процесс интеграции со внешними сервисами менее трудоемким. Система обладает панелью управления и предоставляет API для взаимодействия со внешними ресурсами.
Использование данного сервиса в коллекциях научных знаний не потребует от них реализации собственного рекомендательного модуля. Список рекомендаций для документа, отражающий список наиболее близких статей, уменьшит время, затраченное пользователем на поиск информации, а также улучшит его навигацию на ресурсе.
