Применение моделей машинного обучения для рекомендации списка академических источников

Данная работа посвящена разработке системы для автоматизации процесса поиска и отбора академических источников с помощью методов машинного обучения. Не секрет, что в современном научном мире объем научных публикаций быстро растет, что создает большие трудности для исследователей с точки зрения поиска и отбора релевантных источников. Благодаря применению новых технологий машинного обучения для обработки естественного языка, возможно значительно ускорить и упростить этот процесс, давая исследователям больше ресурсов для работы. Основной задачей разрабатываемой системы является выдача пользователю списка релевантных научных источников в соответствии с указанным им названием его работы и краткого описания. Работа основана на данных из открытого датасета arXiv, дополненного информацией с Semantic Scholar. В работе применялись модели BERT, CatBoost и Word2Vec, каждая из которых была в той или иной степени доработана для выполняемой задачи. Применение таких моделей позволит эффективно анализировать и обрабатывать большие объемы научных работ, обеспечивая релевантность получаемых рекомендаций. Разработанная система значительно упростит процесс поиска научной литературы, повышая качество проводимых исследований и экономя время исследователей.