Identifikace kompatibilních produktů z popisu produktu

Abstract

Táto bakalárska práca sa zameriava na získavanie kompatibility produktov z produktových popisov. Riešenie využíva známe modely strojového učenia z oblasti spracovania prirodzeného jazyka. Špecificky sa práca zameriava na úlohy rozpoznávania pomenovaných entít, extrakcie vzťahov a odpovedania na otázky. Vhodný dataset musí obsahovať anotácie pre pomenované entity a vzťahy medzi nimi. Po vytvorení datasetu sa aplikujú vybrané modely strojového učenia. Podarilo sa mi extrahovať informácie o kompatibilite produktov so skóre 62.30 %, pričom som aplikoval len rozpoznávanie pomenovaných entít a extrakciu vzťahov. Rozhodli sme sa vynechať úlohu odpovedania na otázky, pretože by sme presiahli rozsah bakalárskej práce. Táto práca prináša riešenie pre využitie predtrénovaných modelov, za účelom analýzy popisov produktov a záskania informácie o ich kompatibilite. V závere sú popísané možnosti pre ďalší výskum. A ako príloha je uvedený podrobný popis konfiguračného súboru použitého pre náš model.

This bachelor thesis focuses on processing product descriptions to extract product compatibility information. The solution uses known machine learning models from the natural language processing field and its subtasks named entity recognition, relationship extraction, and question answering. A suitable dataset must contain annotations specifying the named entities and their relationships. After creating the dataset, there are applied selected machine learning models. I extracted product compatibility information with a 62.30% score, using just named entity recognition and relationship extraction. We decided to skip the question answering task because it would be out of scope for this bachelor thesis. This thesis brings a solution for leveraging pre-trained models to analyse product descriptions and extract their compatibility. In summary, there are described the possibilities for further research. As an appendix, there is a detailed description of the configuration file used for our model.