Vyhledávání kurzů na základě podobnosti

Abstract

Tato diplomová práce se zabývá návrhem a implementací systému pro vyhledávání kurzů na základě jejich podobnosti. Cílem je usnadnit srovnávání univerzitních předmětů napříč různými institucemi, zejména v kontextu mezinárodních výměnných programů, jako je například Erasmus. Práce se opírá o techniky dolování dat, analýzy textu a metod strojového učení. Pro reprezentaci obsahu kurzů byly využity vektorové modely TF-IDF a SBERT, na které byly aplikovány aproximační algoritmy pro vyhledávání k-nejbližších sousedů. Součástí řešení je webová aplikace s REST API a uživatelským rozhraním, která umožňuje efektivní vyhledávání podobných kurzů. Výsledky testování ukazují, že metoda HNSW v kombinaci s jazykovým modelem SBERT dosahuje nejvyšší přesnosti i rychlosti.

This master's thesis focuses on the design and implementation of a system for searching courses based on their similarity. The goal is to facilitate the comparison of university courses across various institutions, especially in the context of international exchange programs such as Erasmus. The work is based on data mining techniques, text analysis, and machine learning methods. To represent the content of courses, TF-IDF and SBERT vector models were used, followed by the application of approximate nearest neighbor search algorithms. The solution includes a web application with a REST API and user interface, enabling efficient retrieval of similar courses. Test results show that the HNSW method, combined with the SBERT language model, achieves the highest accuracy and speed.