alex-chun-yu / recommender-system Goto Github PK

PPT
RSTR Demo
RSTR DataBase
RSTR API Test
Paper
Committee member comment

• Pretrained Model(I used 3 kind of embeddings method)
  

1. BERT(trained: wiki(WordPiece), fine tunning: single article or single storyline)
   
2. Word2Vec-SG(Train Data: dcard mood article(Entity), yahoo and pixnet storyline(Entity))
3. Word2Vec-SG(Train Data: dcard mood article(Word), yahoo and pixnet storyline(Word))

• Feature Generation
  

1. E2V-BERT 透過產生的斷詞進行辭典過濾並得到各個 entity 在進行 relationship feature 和 scenaio feature 的產生
2. E2V-W2V-SG 透過產生的斷詞進行辭典過濾並得到各個 entity 在進行 relationship feature 和 scenario feature 的產生
3. W2V-W2V-SG(relationship model baseline) 單純的斷詞未經過辭典產生 word 並做詞向量相加

• Relationship Classifer
  relationship classifier 訓練(relationship_algorithm_analysis) > 供給 server 存取(main)
• Scenario Classifier
  scenario classifier 訓練(scenario_algorithm_analysis) > 供給 server 存取(main)

目的：NER 運用(Insert Article, Movie Parser and Article, Movie NER), Server 架設
執行：activator "start 8309"(註：java project)

目的：存取模型結果, Server 架設
執行：python3 server.py(註：python project)

執行：python3 service_Server.py(註：python project)

目的：訓練 Entity2Vec-BERT, Entity2Vec-W2V-SG, Word2Vec-W2V-SG(baseline) 並將 relationship feature and scenario feature 存入

目的：訓練 relationship 模型(CNN)

目的：訓練 scenario 模型(KNN, NB, SVM, RFC)

目的：給予評分項目，產生評估結果

目的：產生 relationship lexicon(person), emotion lexicon(emotion), time lexicon(time), location lexicon(location)and event 辭典

目的：爬蟲, 存取資料庫, CKIP Parser

目的：爬蟲, 存取資料庫, CKIP Parser

目的：測試資料用

目的：推薦系統介面

目的：評估系統介面