Changes between Initial Version and Version 1 of AdvancedTopics

Timestamp:

06/07/26 17:19:21 (2 weeks ago)

Author:

231040

Comment:

--

AdvancedTopics

@@ +1 @@
+Напредна Тема: Векторска база на податоци – подсистем за препорака на услуги
+
+== Документација за напредна тема
+[[html(<a href="https://develop.finki.ukim.mk/projects/BeautyBook/attachment/wiki/QueryOptimization/dokumentacija_preporaka_napredna_tema.pdf">dokumentacija_preporaka_napredna_tema.pdf</a>)]]
+
+Оваа напредна тема опфаќа имплементација на подсистем за препорака на услуги во платформа за резервации во салони за убавина, базиран на векторски embeddings и семантичко пребарување.
+
+Системот користи модел кој ги трансформира текстуалните описи на услугите во 384-димензионални вектори. На тој начин, услугите се претставуваат како точки во семантички простор, што овозможува пребарување според значење и контекст, наместо класично keyword пребарување.
+
+Архитектурата се состои од два дела:
+
+* генерирање и складирање на embeddings во PostgreSQL,
+* модул за препорака кој пресметува сличност помеѓу корисничкиот профил и достапните услуги.
+
+Поддржани се два типа препораки:
+
+1. Семантичка препорака преку текстуален внес.
+2. Персонализирана препорака базирана на историја на претходни закажувања.
+
+За корисници без историја, препораките се генерираат директно од внесениот опис или категорија.
+
+Рангирањето на резултатите користи хибриден пристап кој комбинира косинусна сличност со дополнителни фактори како просечна оцена и популарност на услугата. Со тоа се добиваат попрецизни и поквалитетни препораки.
+
+Имплементацијата е изработена со Python, PostgreSQL, SentenceTransformers и NumPy и претставува практична примена на векторски бази на податоци во персонализирани препорачувачки системи.
+
+Имплементацијата е изработена со Python, PostgreSQL, SentenceTransformers и NumPy. Ваквиот пристап покажува како концептите од векторски бази на податоци можат успешно да се применат во реален софтверски систем, со добри перформанси, можност за проширување и практична употреба во персонализирани препорачувачки системи.