Аннотация и ключевые слова
Аннотация:
В статье проводится анализ по улучшению и оптимизации онлайн-платформы для поддержания её востребованности на рынке. Были изучены современные семантические эмбеддинги (ИИ-модели), направленные на решение основных недостатков алгоритмов TF-IDF и косинусного сходства. Также была рассмотрена перспективная возможность, направленная на использование метода трансферного обучения (дообучения) ИИмоделей для снижения вычислительных затрат, достижения оптимальной производительности и увеличения точности обработки текстов.

Ключевые слова:
ИИ, нейронные сети, машинное обучение, латентно-семантический анализ, WEB-разработка
Список литературы

1. Мероприятия по оценке качества образования – Портал. URL: https://fioco.ru/ru/osoko (дата обращения: 08.02.2026).

2. Эмбеддинги для начинающих. URL: https://habr.com/ru/companies/otus/articles/787116/ (дата обращения (08.02.2026).

3. Косинусное сходство – Метрика сходства текста – Изучите машинное обучение. URL: https://studymachinelearning.com/cosine-similarity-text-similarity-metric/ (дата обращения 08.02.2026).

4. Косинусное сходство: преимущества для встраивания текста. URL: https://www.csharpcorner.com/article/cosine-similarity-benefits-for-text-embeddings/ (дата обращения 08.02.2026).

5. Косинусное сходство – GeeksforGeeks. URL: https://www.geeksforgeeks.org/dbms/cosine-similarity/ (дата обращения 08.02.2026).

6. Трансферное обучение: подробный гайд для начинающих. URL: https://habr.com/ru/companies/skillfactory/articles/835020/ (дата обращения 08.02.2026).

Войти или Создать
* Забыли пароль?