ВІСНИК УНІВЕРСИТЕТУ "УКРАЇНА"

Серія "Інформатика, обчислювальна техніка та кібернетика"

АНАЛІЗ АЛГОРИТМІВ РАНЖУВАННЯ ДОКУМЕНТІВ НА ОСНОВІ ШТУЧНОЇ НЕЙРОННОЇ МЕРЕЖІ





PDF version

УДК 004.021, 004.8, 004.91

 

АНАЛІЗ АЛГОРИТМІВ РАНЖУВАННЯ ДОКУМЕНТІВ

НА ОСНОВІ ШТУЧНОЇ НЕЙРОННОЇ МЕРЕЖІ

 

DOI 10.36994/2707-4110-2019-2-23-21

 

Ліщитович А.Л. Університет «Україна», м. Київ, Україна, AL@sors.me

Павленко В.І. к.ф.-м.н., Університет «Україна», Київ, Україна, Pavlenko.v@i.ua

 

Анотація. Об’єктом наведеного дослідження є аналіз ефективності алгорит­мів ранжирування документів у пошукових системах, які використовують штучні нейронні мережі за для зіставлення текстів. Метою дослідження було вивчення нейро-мережевої моделі ранжування текстових документів, яка використовує кластерінг, факторний аналіз та багатошарову архітектуру мережі. Було порівняно роботу нейро-мережевих алгоритмів із стандартним статистичним алгоритмом пошуку OkapiBM25. Результатом дослідження є оцінка ефективності використання тих чи інших моделей та рекомендації щодо вибору моделі для певних наборів даних.

Ключові слова: OkapiBM25, нейромережа, мережа Кохонена, перцептрон, гібридна мережа, регресійний аналіз

 

ANALYSIS OF DOCUMENTS RANKING ALGORITHMS BASED

ON THE ARTIFICIAL NEURAL NETWORKS

 

Andrew Lishchytovych Universytet «Ukrayina», Kyyiv, Ukrayina, AL@sors.me

Volodymyr Pavlenko Ph.D. (Physics&Mathematics), University «Ukraine», Kyiv, Ukraine, Pavlenko.v@i.ua

 

Abstract. The object of this study is to analyse the effectiveness of document ran­king algorithms in search engines that use artificial neural networks to match the texts. The purpose of the study was to inspect a neural network model of text document ran­king that uses clustering, factor analysis, and multi-layered network architecture. The work of neural network algorithms was compared with the standard statistical search algorithm OkapiBM25. The result of the study is to evaluate the effectiveness of the use of particular models and to recommend model selection for specific datasets.

Keywords: OkapiBM25, neural network, Kohonen network, perceptron, hybrid net­work, regression analysis



Номер сторінки у виданні: 0

Повернутися до списку новин