Open-source doporučovací systém pro české veřejné zakázky

Milan Vancl

Open-source recommender system for Czech public procurement

Type of document

diplomová práce
master thesis

Author

Milan Vancl

Supervisor

Kuchař Jaroslav

Opponent

Sušický Marek

Field of study

Znalostní inženýrství

Study program

Informatika

Institutions assigning rank

katedra aplikované matematiky

Rights

A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html

Metadata

Show full item record

Abstract

V této práci se zabývám návrhem a implementací open-source doporučovacího systému pro české veřejné zakázky. Provádím průzkum a hodnocení současných systémů týkajících se veřejných zakázek. Pro doporučovací algoritmus vybírám vlastnosti zakázek, pro které navrhuji a implementuji jejich získávání či extrakci. Za hlavní vlastnost určuji předmět plnění zakázek, ze kterého extrahuji sémantickou informaci pomocí embeddingu. Doporučovací algoritmus demonstruji v jednoduché webové aplikaci.

In this thesis I deal with the design and implementation of an open-source recommender system for Czech public procurement. I conduct research and discussion of current systems related to public procurrement. For the recommendation algorithm, I select a set of procurement features for which I design and implement their retrieval and extraction. I determine the main feature as the subject of procurement from which I extract semantic information using embedding. I demonstrate the recomender algorithm with a simple web application.