Online podnikatelský katalog služeb s využitím strojového učení a bipartitního grafu

Loading...
Thumbnail Image

Authors

Cvrk, Lubomír
Mazuch, František
Sýkora, Tomáš

Advisor

Referee

Mark

Journal Title

Journal ISSN

Volume Title

Publisher

International Society for Science and Engineering, o.s.

ORCID

Abstract

Online marketplaces are platforms where various independent entrepreneurs offer their products. If these marketplaces within the segment of online service sales are to be operated without human moderation of the content, machine learning has to be deployed to translate service names and descriptions written by entrepreneurs in natural language into a machine-readable form. Moreover, this is a prerequisite for the construction of numerous marketplace services, such as the search for the time available for a certain type of service, and especially for the construction of customized service offers. In this paper, we describe a way to solve both of these problems using machine learning for situations that are characterized by a small amount of training data and the necessity of a very high performance in generating lists of personalized service offers.
Online obchodní tržiště, angl. „marketplace“ jsou místa, kde nabízí své produkty více různých nezávislých podnikatelů. Mají-li být tato tržiště v segmentu online prodeje služeb provozována bez moderování obsahu člověkem, je nezbytné nasazení strojového učení pro předklad názvů a popisků služeb zapsaných podnikateli volným přirozeným jazykem do strojově čitelné podoby. Toto je navíc nutný předpoklad pro konstrukci řady dalších služeb tržiště, jako je např. vyhledávání termínu konkrétního typu služby u různých podnikatelů a zejména pak pro sestavování personalizovaných nabídek služeb na míru zákazníkům. V článku popisujeme způsob řešení obou uvedených problémů s využitím strojového učení pro situace, které charakterizuje malý rozsah trénovacích dat a nezbytnost velmi vysokého výkonu při generování seznamu nabídek služeb na míru zákazníkovi.

Description

Keywords

Document type

Peer-reviewed

Document version

Published version

Date of access to the full text

Language of document

cs

Study field

Comittee

Date of acceptance

Defence

Result of defence

DOI

Collections

Endorsement

Review

Supplemented By

Referenced By

Citace PRO