CC BY
28
Моделирование вычислительных, телекоммуникационных, управляющих и социально-экономических систем
Simulations of Computer, Telecommunications, Control and Social Systems
Научная статья
DOI: https://doi.org/10.18721/JCSTCS.15204 УДК 004.912, 004.85, 004.41
РАЗРАБОТКА И ИССЛЕДОВАНИЕ МОДЕЛЕЙ МНОГОКЛАССОВЫХ КЛАССИФИКАТОРОВ ДЛЯ РЕКОМЕНДАТЕЛЬНОЙ СИСТЕМЫ ПОДГОТОВКИ ЗАЯВОК НА ПОРТАЛЕ ЕДИНОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ
В СФЕРЕ ЗАКУПОК
Я.А. Селиверстов' н , А.А. Комиссаров2, А.А. Лесоводская3, П.Г. Бовыкин4, А.В. Подтихов5, С.С. Торсионов6,
Д.А. Цирков7, С.А. Орлов8
1 Институт проблем транспорта имени Н.С. Соломенко РАН, Санкт-Петербург, Российская Федерация;
1,2,3,4,5,6,7 Университет национальной технологической инициативы 2035,
Москва, Российская Федерация; 8 Томский государственный университет, г. Томск, Российская Федерация
Аннотация. Обоснована актуальность разработки сервисов, способствующих подготовке тендерной документации, в части определения кода ОКПД 2 к формируемой заявке. Для решения задачи автоматической классификации заявок в соответствии с ОКПД 2 разработан алгоритм системы сравнительного анализа моделей классификаторов, осуществлена предобработка и запись в базу данных собранной информации в формате json. Разметка и подготовка данных для обучения моделей классификаторов осуществлена в среде PolyAnalyst. В качестве моделей многоклассовых классификаторов из библиотеки Scikit-Learn выбраны наивный байесовский классификатор, SVM-классификатор и классификатор на основе случайного леса. В качестве векторизаторов выбрана модель TFIDF и word-haching. В качестве четвертого классификатора выбрана нейросетевая модель ruBert-base. Проведено обучение классификаторов и оценено качество их работы. По результатам валидации и тестирования лучшими оказались две модели: ruBert-base и модель наивного байесовского классификатора с векторизатором word-hashing. На основе результатов произведена тестовая классификация заявок.
Ключевые слова: рекомендательные системы, многоклассовая классификация, SVM, naive Bayes, ruBert-base, векторизаторы
Для цитирования: Селиверстов Я.А., Комиссаров А.А., Лесоводская А.А. и др. Разработка и исследование моделей многоклассовых классификаторов для рекомендательной системы подготовки заявок на портале единой информационной системы в сфере закупок // Computing, Telecommunications and Control. 2022. Т. 15, № 2. С. 43-62. DOI: 10.18721/JC-STCS.15204
© Селиверстов Я.А., Комиссаров А.А., Лесоводская А.А. и др., 2022. Издатель: Санкт-Петербургский политехнический университет Петра Великого
Research article
DOI: https://doi.org/10.18721/JCSTCS.15204 UDC 004.912, 004.85, 004.41
DEVELOPMENT AND RESEARCH OF MODELS OF MULTI-CLASS CLASSIFIERS FOR A RECOMMENDED SYSTEM FOR PREPARING APPLICATIONS ON THE E-PROCUREMENT
Y.A. Seliverstov1 e , A.A. Komissarov2, A.A. Lesovodskay3, P.G. Bovykin4, A.V. Podtikhov5, S.S. Torsionov6,
D.A. Tsyrkov7, S.A. Orlov8
1 IPT RAS, St. Petersburg, Russian Federation;
1,2,3,4,5,6,7 University National Technology Initiative 2035,
Moscow, Russian Federation;
8 National Research Tomsk State University, Tomsk, Russian Federation
Abstract. As a result of the analysis, the relevance of developing services that contribute to the preparation of tender documentation, in terms of determining the OKPD 2 code for the generated application, is indicated. To solve the problem of automatic classification of applications in accordance with OKPD 2, an algorithm for the system of comparative analysis of classifier models was developed. Further, preprocessing was carried out, and the collected information was written to the database in json format. Labeling and preparation of data for training classifier models was carried out in the PolyAnalyst environment. As a result of the analysis, a naive Bayes classifier, an SVM classifier, and a random forest classifier were selected as models of multiclass classifiers from the Scikit-Learn library. The TFIDF and word-haching models were chosen as vectorizers. The ruBert-base neural network model was chosen as the fourth classifier. Classifiers were trained and the quality of their work was assessed. According to the results of validation and testing, two models turned out to be the best: ruBert-base and a model of a naive Bayes classifier with a word-hashing vectorizer. Based on the results, a test classification of applications was made.
Keywords: recommendation systems, multiclass classification, SVM, naive Bayes, ruBert-base, vectorizer
Citation: Seliverstov Y.A., Komissarov A.A., Lesovodskay A.A., et al. Development and research of models of multi-class classifiers for a recommended system for preparing applications on the e-procurement. Computing, Telecommunications and Control, 2022, Vol. 15, No. 2, Pp. 43—62. DOI: 10.18721/JCSTCS.15204
Введение
Развитие современных информационных систем и технологий способствуют быстрому росту цифровизации во всех сферах государственного управления, в том числе и государственных закупок. Основную роль в этом процессе играют цифровые платформы, поскольку именно они формируют среду электронного взаимодействия потенциальных заказчиков и поставщиков, являясь провайдером сферы электронных закупок.
С 2016 года в России введена в эксплуатацию Единая информационная система (ЕИС) в сфере закупок [1]. ЕИС создана в целях информационного обеспечения контрактной системы в сфере закупок товаров, работ, услуг для обеспечения государственных и муниципальных нужд, закупок товаров, работ, услуг отдельными видами юридических лиц.
В настоящее время процедуры проведения тендеров занимают ключевое место в работе отдела закупок компании. Большинство современных рекомендательных сервисов и систем [2—4] функ-
© Seliverstov Y.A., Komissarov A.A., Lesovodskay A.A., et al., 2022. Published by Peter the Great St. Petersburg Polytechnic University
ционируют на веб-площадках. К их числу относятся рекомендательные сервисы проведения тендеров [5], выбора тендеров с вероятностью оценки выигрыша участников тендера [6], проверки корректности тендерной документации [7] и др.
Одним из важных этапов формирования электронной тендерной документации является процедура формирования заявки и выбора соответствующего кодификатора из перечня ОКПД 2 — Общероссийского классификатора продукции по видам экономической деятельности.
Стремительный рост различных секторов производства и расширение многообразия создаваемых товаров, продуктов и услуг, а также перепрофилирование предпринимательской деятельности самостоятельного субъекта усложняют задачу точной идентификации продуктовых границ отраслевого рынка в рамках Общероссийских классификаторов видов предпринимательской деятельности (ОКПД 2) [8].
По данным [9], ОКПД 2 содержит около 38 тысяч позиций. Столь большая величина затрудняет поиск и увеличивает временные затраты на его точное определение.
Указание неправильного кода ОКПД 2, его незнание или несоответствие реальной экономической деятельности коду ОКПД 2, указанному субъектом при регистрации, влечет множество нежелательных последствий, таких как определение ставки взносов при возникновении несчастных случаев; оформление патентов; потеря налоговых льгот, предоставляемых государством по некоторым видам экономической деятельности; блокирование платежей при внутренней банковской проверке; наложение высоких штрафных санкций при внесении ошибочного кода ОКПД 2 в Единую информационную систему в сфере закупок [10, 11].
Последнее подчеркивает актуальность разработки и внедрения рекомендательных сервисов проверки корректности заявки [12] в части выбора ОКПД 2 в системы электронного сопровождения корпоративного тендерного документооборота [13].
Анализ предметной области. В настоящее время рекомендательным системам посвящено множество работ российских и зарубежных ученых.
Теоретико-методологические особенности рекомендательных систем, а также различные характеристики и возможности методов прогнозирования в современных рекомендательных системах рассмотрены в [14, 15].
Подход совместной фильтрации, основанный на наивном байесовском классификаторе, изучен в [16]. Предложенная в [16] байесовская модель не только предоставляет рекомендации, но и дает объяснения этим прогнозам.
В [17] описана система, использующая кластеризацию и случайный лес в качестве многоуровневых стратегий для прогнозирования рекомендаций на основе оценок пользователей, ориентируясь при этом на мышление пользователей и текущие тенденции.
Решая предсказательную задачу моделирования динамических предпочтений пользователей на основе их исторического поведения, в [18] представлена глубокая двунаправленная последовательная модель под названием BERT4Rec для последовательной рекомендации. При обучении модели применяется задача Cloze, которая предсказывает элементы, используя как левый, так и правый контекст.
Влияние систем поиска и рекомендаций на продажи в электронной торговле изучено в [3]. В статье показано, как разные классы инструментов поиска и рекомендаций влияют на распределение продаж по продуктам, общий объём продаж и излишек потребителей.
В [19] авторы рассматривают тематическую диверсификацию, новый метод, разработанный для баланса и диверсификации персонализированных списков рекомендаций, чтобы отразить полный спектр интересов пользователя. Согласно [19] алгоритмы диверсификации использует Amazon для улучшения своих рекомендаций.
В [20] решается задача многоклассовой классификации слаботоксичного образовательного контента онлайн школ с использованием нейросетевой модели RoBERT.
В [21], опираясь на информационно-методическое обеспечение [22] на основе нейронной сети трансформера, разрабатывается метод многоклассовой классификации угроз.
В [23] и [24] рассмотрены системы на основе моделей классификации транспортных данных в части определения состояния качества дорог. В качестве моделей взяты классификаторы SVM и наивного байеса.
В [25] изучены методы машины опорных векторов и латентно-семантический анализ с различными векторизаторами для построения модели многоклассовой классификации слабоструктурированных текстовых документов.
В [26] выполнен подробный обзор подходов интеллектуального анализа текстов на русском языке.
Проведенный анализ свидетельствует о том, что модели классификаторов на основе наивного байесовского алгоритма, машины опорных векторов, случайного леса и нейросетевые алгоритмы, такие как BERT, широко используются в различных информационных системах, связанных с фильтрацией и классификацией веб-контента.
Постановка задачи. Цель настоящей работы — в исследовании современных программных методов классификации для определения наиболее точной модели классификации применительно к задаче классификации заявки тендерной документации к соответствующему классификатору из ОКПД 2. Данную модель классификации в последующем предполагается использовать в разработке рекомендательного сервиса, помогающего специалисту в сфере закупок по информации, содержащейся в подготавливаемой к тендеру заявке, быстро и точно определить соответствующий ей код первого уровня ОКПД 2.
Сервис планируется использовать совместно с Единой информационной системой в сфере закупок (портал https://zakupki.gov.ru/).
В рамках исследования планируется разработать краулер для сбора данных, осуществить сбор данных с портала ЕИС, произвести подготовку и разметку данных с использованием программных методов, построить и осуществить сравнительный анализ четырех моделей мультиклассо-вой классификации: наивного байесовского классификатора (Naive Bayes), классификатора на основе алгоритма случайного леса (Random Forest), классификатора на основе машины опорных векторов (SVM) и нейросетевой модели ruBERT (Bidirectional Encoder Representations from Transformers) [27]. Общее количество классов — 88. В качестве векторизаторов планируется рассмотреть два метода — TFIDF и word hashing [28].
Основная часть
Построение плана исследования целесообразно начать с разработки обобщенного алгоритма системы сравнительного анализа моделей классификаторов. Алгоритм в общем виде состоит из процедур, представленных на рис. 1.
На первом этапе осуществляется сбора данных заявок. Для этих целей разработан краулер на языке Python3 с использованием библиотеки Requests. С помощью разработанного краулера осуществлен сбор заявок закупок с портала https://zakupki.gov.ru (рис. 2).
Информация о закупках доступна по гостевому доступу (рис. 3) и хранится на FTP-сервере (ftp://ftp.zakupki.gov.ru) в виде дампов в формате xml в директории fcs_regions (рис. 4).
Сбор данных осуществляется по следующему алгоритму: 1) краулер заходит на ftp-сервер под гостевым доступом в директорию fcs_regions; 2) проходит по регионам и загружает RETR-запро-сом по очереди каждый xml-файл закупок в память; 3) «на лету» из памяти осуществляет парсинг метаданных, содержащихся в xml-файле, преобразуя их в json в соответствии с заданной структурой; 4) записывает json в базу данных; 5) удаляет xml-файл из памяти; 6) переходит к следующему по очереди xml-файлу закупок.
1 r
Рис. 1. Схема обобщенного алгоритма системы сравнительного анализа моделей классификаторов Fig. 1. Scheme of the algorithm of the system for comparing classifier models
Рис. 2. Портал zakupki.gov.ru Fig. 2. Portal zakupki.gov.ru
Цикл повторяется до тех пора, пока все метаданные заявок закупок не будут загружены в базу данных.
Структура json-файла закупок в базе данных представлена на рис. 5.
На втором этапе осуществляется парсинг лотов заявок в базе данных и перевод json в csv-фор-мат с использованием скрипта, написанного на Python3, и загрузка csv в систему PolyAnalyst. В результате парсинга json формируется следующая структура csv файла метаданных закупок: id — номер заявки на ftp-сервере портала zakupki.gov.ru; number — реестровый номер извещения; reg — место подведения итогов; publish data — дата публикации заявки на портале ЕИС; purchaseResponsible — наименование организации заказчика; maxPrise — максимальная цена контракта закупки; purchaseObjectInfo — информация о закупках; name_purchaseObject — наимено-
4
Рис. 3. Окно гостевого доступа к серверу ftp://ftp.zakupki.gov.ru Fig. 3. Guest access window to the ftp://ftp.zakupki.gov.ru server
fcs.rvtes fcs_sc fcs.SFM offline.™ prevMonth rnp fcs.nsi fes_reg»ons
Рис. 4. Директории ЕИС на сервере ftp://ftp.zakupki.gov.ru Fig. 4. Data directories on the ftp server ftp://ftp.zakupki.gov.ru
вание объекта закупок; OKPD2_codes — код ОКПД2; OKPD2_names — наименование ОКПД2; OKPD_codes - код ОКПД; OKPD_names - наименование ОКПД; KRTU_codes - код КРТУ; KRTU_names — наименование КРТУ.
Структура csv файла закупок zakupki_all.csv для загрузки в систему PolyAnalys для последующей обработки и разметки (рис. 6).
На третьем этапе в среде Polyanalyst [29] выполняется обработка и разметка данных. Графическое представление вычислительного скрипта представлено на рис. 7.
Вычислительный скрипт содержит следующие узлы:
1) узел производные колонки sum text — в данном узле формируется новое поле sum text путем объединения информации из смежных пяти полей:
sum text = [purchaseObjectlnfo] + "\n" + [name_purchaseObject] + "\n" + [OKPD2_names] + "\n "+ [OKPD_names] + "\n" + [KTRU_names];
2) узел модификации колонок - в данном узле идет переименование поля sum text в поле description;
3) узел CRC — в данном узле каждой уникальной строке присваивается уникальный номер;
4) узел обработки уникальных описаний — в данном узле по номерам CRC устраняются дубликаты записей, с помощью фильтра русского языка данные отфильтровываются от любых других иностранных слов, устраняются орфографические ошибки и «ё» заменяется на «е»;
5) узел объединения — в данном узле формируется исправленный текст с присвоением ему CRC;
6) узел фильтрации строк - в данном узле удаляются пустые поля description, т. е. те поля, в которых нет описания заявки;
7) узел zakupki_clean.csv — исправленный и размеченный классификаторами ОКПД и ОКПД2 текст сохраняется в csv.
На четвертом этапе осуществляется разработка и сравнение моделей классификаторов на языке Python 3. Количество классов ОКПД 2 — 88, т. к. классификация осуществляется только
"id": 123,
■let'! {
"currency": ■
"coda": "RUB",
"njmt"; "РОССИЙСКИЙ рубль"
"такРПсе":
"restricttnfo": "не установлено",
"financesource": "средства 't оме Курганской области", "purchaseobjects"t {
"totalSum": 245899,1, "purchaseobject"r { "ium": 245699.1, "0KE1": ^
"code"! 236, "nationalcode"; "КАЛЛГ
"OKPD"! {
"cods"! "46.30.10.113",
"name": "Теплоьая энергия, отпущенная тепповьии элек!potiакциями"
J,
"name": "Теплоснабжение", "price": liiT.lS, "quantity"; {
"value"! 190.42
}
}
>,
"quant ityundeflned"t falie, "custMierRequirHnents11: ; "customerFtequircinent": : "customer"! {
"regWum": 24310000Z4
J,
"maxPrlce"! 245099.1,
"deliveryTerm.....с ai-вг.ЗШг. do 31.12.2Шт.т,
"dellveryplace"г "Российская Федерация, &40&18, курганская область, курган г, Соьетская, fil, - ■
>
}
У,
"href": "http://2akupki.gov. ru//epz/order/notice/ep44/view/cammon-lrtfo.htinl?notLceId=123'', "printForm": -L
"url": "http://2akupk1.90u.ru/Vepz/order/not ice/printform/view.htflilTnot iceld-123"
У,
"placingWay": { "code": "EP44",
'HK'! "Закупка у единственного поставщика (подрядчика, исполин теля)"
У,
"attachments": { "attachment": {
"url": "http://jBkupki.gov.nj//44iz/1ilestori/pLiblic/l.e/do«Tiln»d/prl7/fili.ht»l?iild-EF3F84CF64ieeftAeEM3AClie7I505iE" " fi lewame1': "обоснование,odt", '"docDescript ion": "обоснование"
>
К
"docPublishDate": "2014-01-09T09:19:2i.348+04:ПР", 11 pu rc h as eNumbe r": 243100002414000420.
"purchaseObjettlnfo": "Теплоснабжение эдания ТФ OHC Курганской области советская, 81", "purchaseResponsible": -£ "responsibleOrg": {
"regNum": 2431000024,
"fullfjame": "Территориальный фонд обязательного медицинского страхования Курганской области", "factAddress": "Российская Федерация, 64&&1Й, Курганская '■'>'. Курган г. Советская, д.81, -", "postAddress": "Российская Федерация, &4Ш0, Курганская о&л, Курган г. Советская, д.81, "
"responsiblelnfo": -£
"contactFax": "7-3522-463142", "cont act £На iI": "ur5ktf0mSr0ri1itel.ru", "tontactpbone": "7-3522-413637", "contactPerson". {
"lasttJame": "белов "F "firstMame": "Николай", "m iddleName": "Григорьевич"
"orgFactAddress": "Российская Федерация, 64Ш&, Курганская о&л, Курган г, Советская, д.81, " "orgPostAddress": "Российская 4»едерация, Курганская о&л, Курган г. Советская, д.81, -"
^ "responsibleRole": "CU"
Рис. 5. Структура метаданных заявки в базе данных Fig. 5. Json file of purchases in the database
по первому уровню. Предобработка табличных размеченных данных zakupki_clean.csv осуществляется с использованием библиотеки Pandas, лемматизация текста — с использованием библиотеки pymystem3, сериализация и десериализация объектов (запись, чтение и загрузка дампов) — с использованием модуля picle, фильтрация стоп-слов с помощью библиотеки nltk, очистка текста от лишних пробелов и знаков препинания осуществляется с помощью регулярных выражений. Модели многоклассовых классификаторов MultinominalNB (наивный байесовский классификатор), SGDClassifier (машина опорных векторов), StreamingRFC (случайный лес), а также TFIDF векторизатор импортируются из библиотеки sklearn. Векторизатор word hashing создается на основе триграмм с использованием функции permutations из библиотеки itertools. Модель нейросетевого классификатора на основе ruBert-base от Сбербанка [29] с токинезато-
IF S » <■ 4 М Т « U D I I
Орловская область
# (2) Id [2] number @ reg о publish date 151 purchaseResponsible Щ maxPrice [Т[| purchaseObjectlnfo |Til name_purchaseObject ГШ OKPD2... О OKPD2 names El OKPD cod... El OKPD nam... |Tt) KTRU cod... (Til KTRU names
448 448 448 448 448 448 448 448 448 448 448 448 448 7S.9 7S.9 75.9 75.9 7S.9 75.9 75.9 884 00.000.000,000 Республика Кара 3/30/7071 УПРАВЛЕНИЕ ФЕДЕРАЛЬНО! 104.SS2.20 Поставка картриджей для Картридж Q2612A для принт 28.23.25.000 28.23 Части и принадлеж
90? co.ooo.ooo.ooo ЭДЗ 00.000.000,000 57 00.000.000,000 087 00.000.000,000 095 00.000.000,000 66 00.000.000.000 13 00.000.000,000 Республика Кара 3/17/7071 ГОСУДАРСТВЕННОЕ БЮДЖЕ 941,078.00 Поставка линз интраокуля Линза интраокулярная для з 32.50.13.120-00327 Линза интраокуляр
Республика Кара 3/17/7071 МУНИЦИПАЛЬНОЕ КАЗЕННО 1,335,081.60 Приобретение благоустрой однокомнатная благоустрое! 68.10.1L000 Услуги по покупке
Республика Кара 3/17/7071 АДМИНИСТРАЦИЯ ОЛОНЕЦН 837,000.00 Приобретение благоустро! Услуги по покупке и продаж« 68.10.11.000 Услуги по покупке
Республика Кара 3/17/7071 Республика Кара 3/17/7071 Республика Кара 3/17/7071 гоолдттрннор КАЗЕНН 34,07700 ГОСУДАРСТВЕ HfOF КАЗЕНН 517,040 00 Постам* хозяйгтм^н^х Универсальные салфетки в [ 13.92.29.190
поставка автомобигшого Бензин автомобильный АИ-9 19.20.21.125-00001 Бензин автомобил1
МУНИ1 IHRATb^CF КАЗЕННО 339,507 40 880.000 00 Приобретете благоустрсх однокомнатная благоустрое> 68.10.1L000
Республика Кара 3/17/7071 ГОСУДАРСТВЕННОЕ КАЗЕНН : -ог-айка twrniwrr. и те,« Петличный микрофон Студи| 26.40.4L000 26.40 Микрофоны и подсг 26.40.31.190-00000 Цифровой микшер!
75.9 7S.9 ?<..<> 44 00.000.000,000 5? 00.000.000,000 SO 00.000.000,000 Республика Кара 3/17/7071 государственное ьюдже : 511.973 60 719.691 70 976,09760 Поставка жсп росс-тестоэ, набор реагентов для nwvk Приобретение благоустро* двухкомнатная бгагоупрое* Приобретение благоустро» двухкомнатная бгагоугтрое- 21.20.21111 68.10.11.000 68.10.1L000 Препараты диагноа
Республика Кара 3/17/7071 Республика Кара 3/17/7071 МУНИЦИПАЛЬНОЕ КАЗЕННО 1 МУНИЦИПАЛЬНОЕ КАЗЕННО Услуги по покупке Услуги по покупке
7S.9 7S.9 7S 00.000.000,000 91 00.000.000.000 Республика Кара 3/17/7071 Республика Кара 3/17/7071 МУНИЦИПАЛЬНОЕ КАЗЕННО МУНИЦИПАЛЬНОЕ КАЗЕННО 7 989,360 00 578.69760 Приобретете блатоустрое двухкомнатная бгалоупрое*-Приобретете благоустро* трехкомнатная благоустрг*» 68.10.11.000 68.10.1L000 Услуги по покупке Услуги по покупке
448 :.4 Cb M ИЯ 00.000.000,000 Оргоегхля o&ur 7/1/7014 Администрация Орловского 1 133,543 48 Приобретен,.* жилого я» Благсупроеиное жилое пэч 70 17.11000 Услуги no покупке и
4481472 ► ИЗ 5.668.414
Данные тистика ' Уникальные записи
Рис. 6. Структура csv файла закупок (zakupki_all.csv) в PolyAnalyst Fig. 6. csv-file (zakupki all.csv) in PolyAnalyst
Рис. 7. Вычислительный скрипт обработки данных в PolyAnalyst Fig. 7. Data processing script in PolyAnalyst
classifier nb tfidf
Train [1 100%| Val [1 /
100%||
Train ¡2 100%| Val [2_J_ 100%| Train [3 100%| Val [3 100%[ Train 100%|| Val [4 100%[ Train [5 100%| Val [5 / 100%f
/ 5] Accuracy = 54.99%, Precision = 46.71%, Recall = 41.61%, F1 = 39.64%:
459/459 [00:30 00:00, 15.00it/s]
5] Accuracy = 42.21%, Precision = 40.54%, Recall = 35.26%, F1 = 33.24%;
|| 51/51 [00:01<00:00, 38.40it/s]
/ 5] Accuracy = 54.34%, Precision - 47.06%, Recall - 48.03%, F1 = 42.33%:
459/459 [00:30<00:00, 15.22it/s]
5] Accuracy = 40.58%, Precision = 40.53%, Recall = 35.63%, F1 = 32.76%:
51/51 [00:01<00:00, 39.04it/s]
/ 5] Accuracy = 53.68%, Precision - 46.12%, Recall - 49.75%, F1 = 42.08%:
459/459 [00:30<00:00, 15.26it/s]
5] Accuracy = 39.94%, Precision = 40.07%, Recall - 35.77%, F1 - 32.42%:
51/51 [00:0100:00, 39.16it/s] / 51 Accuracy = 53.28%, Precision = 45.68%, Recall = 50.49%, F1 = 41.75%:
459/459 [00:30<00:00,15.28it/s]
5] Accuracy = 39.63%, Precision = 40.11%, Recall = 35.95%, F1 = 32.25%:
51/51 [00:0100:00, 38.87it/s]
/ 5] Accuracy = 53.03%, Precision = 45.45%, Recall = 50.88%, F1 = 41.55%:
459/459 [00:2900:00, 15.34it/s]
5] Accuracy = 39.53%, Precision = 39.80%, Recall = 35.99%, F1 = 32.00%:
51/51 [00:01 00:00, 38.83it/s] _
Рис. 8. Характеристики модели MultinominalNB с TFIDF Fig. 8. Characteristics of the MultinomialNB model with TFIDF
classifier nb hashing
Train [1 / 51 Accuracy = 55.88%, Precision = 45.33%, Recall = 45.08%, F1 = 42.44%:
459/459 [00:59<00:00, 7.78it/s] Val [1 / 5] Accuracy = 46.62%, Precision = 41.17%, Recall = 40.32%, F1 = 38.17%:
51/51 [00:02<00:00, 20.86it/s]
Train [2 / 5] Accuracy = 54.65%, Precision = 43.96%, Recall = 51.24%, F1 = 44.29%:
459/459 [00:59<00:00, 7.74it/s] Val [2 / 5] Accuracy = 45.76%, Precision = 40.29%, Recall = 41.37%, F1 = 37.84%:
51/51 [00:02<00:00, 20.99it/s] Train [3 / 5] Accuracy = 54.14%, Precision = 42.88%, Recall = 52.18%, F1 = 43.55%:
459/459 [00:59<00:00, 7.77it/s] Val [3 / 51 Accuracy = 45.36%, Precision = 39.75%, Recall = 41.69%, F1 = 37.44%:
51/51 [00:02<00:00,21.01it/s] Train [4 / 51 Accuracy = 53.87%, Precision = 42.34%, Recall = 52.58%, F1 = 43.07%:
459/459 [00:59<00:00, 7.74it/s] Val [4 / 51 Accuracy = 45.15%, Precision = 39.51%, Recall = 41.84%, F1 = 37.23%:
51/51 [00:02<00:00, 20.96it/s] Train [5 / 5] Accuracy = 53.71%, Precision = 42.03%, Recall = 52.59%, F1 = 42.72%:
459/459 [00:59<00:00, 7.72it/s] Val [5 / 5] Accuracy = 45.04%, Precision = 39.58%, Recall = 42.08%, F1 = 37.21%:
51/51 [00:02<00:00, 20.95it/s]_
Рис. 9. Характеристики модели MultinominalNB с word hashing Fig. 9. Characteristics of the MultinomialNB model with word hashing
classifier svm tfidf
Train [1
100%Г
Val [1 / 100%| Train f2 100%| Val [2 /
100% P
Train [3 100%| Val [3 /
100%Г
Train [4
юо%Г
Val [4 /
100%Г
Train [5 100%,I Val [5 /
ioo%|
/ 51 Accuracy - 12.04%, Precision - 15.04%, Recall - 4.35%, F1 - 4.62%:
459/459 [00:58<00:00, 7.85it/s] 5] Accuracy = 8.40%, Precision = 10.94%, Recall = 3.44%, F1 = 3.20%:
51/51 [00:01<00:00, 40.53it/s] / 5| Accuracy = 12.07%, Precision = 15.88%, Recall = 4.35%, F1 = 4.64%:
459/459 [00:45<00:00,10.12it/s] 51 Accuracy = 10.16%, Precision = 12.78%, Recall = 4.06%, F1 = 4.33%: ~~ | 51/51 [00:01<00:00, 40.88it/s] Accuracy = 11.95%, Precision = 14.97%, Recall = 4.31%, F1 = 4.59%:
459/459 [00:44<00:00, 10.26it/s] Accuracy = 9.41%, Precision = 12.26%, Recall = 3.84%, F1 = 3.64%:
51/51 [00:01 <00:00, 41.76it/s] Accuracy - 11.99%, Precision - 15.00%, Recall - 4.30%, F1 - 4.58%:
459/459 [00:45<00:00, lO.lOit/s] Accuracy = 8.24%, Precision = 11.10%, Recall = 3.20%, F1 = 2.90%:
51/51 [00:01 <00:00, 41.74it/s] Accuracy = 12.13%, Precision = 15.13%, Recall = 4.40%, F1 = 4.69%:
459/459 [00:44<00:00, 10.37it/s] Accuracy = 9.69%, Precision = 13.07%, Recall = 3.72%, F1 = 4.04%: 51/51 [00:01<00:00, 41.85it/s]
Рис. 10. Характеристики модели SGDClassifier с TFIDF Fig. 10. Characteristics of the SGDClassifier model with TFIDF
4
classifier svm hashing
Train [1/5] Accuracy = 34.95%, Precision = 23.10%, Recall = 14.24%, F1 = 13.95%:
100%||
459/459 [01:55<00:00, 3.97it/s]
Val [1 / 5] Accuracy = 31.21%, Precision = 22.82%, Recall = 12.13%, F1 = 12.02%:
51/51 [00:0300:00, 15.82it/s]
Train ¡2 i 5] Accuracy у = 40.38%, Precision = 26.75%, Recall = 14.49%, F1 = 14.98%:
100%||
459/459 [01:46<00:00, 4.30it/s]
Val [2 / 51 Accuracy = 31.37%, Precision = 22.19%, Recall = 11.33%, F1 = 10.92%:
51/51 [00:02<00:00, 20.84it/s] Train [3 / 5] Accuracy = 39.87%, Precision = 27.21%, Recall = 13.46%, F1 = 14.08%:
459/459 [01:49<00:00, 4.21it/s]
Val [3 / 51 Accuracy = 34.79%, Precision = 22.79%, Recall = 11.75%, F1 = 11.36%: 100%|^BMll 51/51 [00:02<00:00, 20.95it/s]
Train [4 / 51 Accuracy = 39.02%, Precision = 27.41%, Recall = 12.74%, F1 = 13.44%:
459/459 [01:51<00:00, 4.13it/s]
Val [4 / 5] Accuracy = 30.07%, Precision = 23.37%, Recall = 10.48%, F1 = 10.55%:
100%||
51/51 [00:02<00:00, 20.85it/s]
Train [5/5] Accuracy = 38.12%, Precision = 27.31%, Recall = 12.17%, F1 = 12.91%:
100%||
459/459 [01:50<00:00, 4.15it/s]
Val [5 / 5] Accuracy = 30.44%, Precision = 22.98%, Recall = 10.32%, F1 = 10.31%:
100%||
51/51 [00:02<00:00, 21.12it/s]
Рис. 11. Характеристики модели SGDClassifier с word hashing Fig. 11. Characteristics of the SGDClassifier model with word hashing
classifier rf tfidf
Train [ 1
100%Г
Val [1 / 100%|| Train [2
юо%Г
Val [2 / 100%f Train [3 KK)%| Val [3 / 100%f Train 4 / 100%| Val [4 / 100%f Train 5 / 100%| Val [5 / 5 100%"
Ы
H
Accuracy = 1.09%, Precision = 0.15%, Recall = 1.49%, F1 = 0.19%: 459/459 [2:56:29<00:00, 23.07s/it]
Accuracy = 1.22%, Precision = 0.23%, Recall = 1.48%, F1 = 0.24%: 51/51 [38:14<00:00, 44.99s/it]
Accuracy = 1.08%, Precision = 0.15%, Recall = 1.49%, F1 = 0.19%: 459/459 [8:34:5700:00, 67.3ls/it]
Accuracy = 1.10%, Precision = 0.21%, Recall = 1.45%, F1 = 0.22%: 51/51 [1:17:48 00:00, 91.54s/it]
Accuracy = 1.10%, Precision = 0.18%, Recall = 1.50%, F1 = 0.21%: 459/459 [10:34:42 00:00, 43.07s/it]
Accuracy = 1.23%, Precision = 0.25%, Recall = 1.50%, F1 = 0.26%:
51/51 [2:58:3300:00, 34.99s/it]
Accuracy = 1.09%, Precision = 0.15%, Recall = 1.49%, F1 = 0.19%:
459/459 [14:21:3700:00, 27.3ls/it]
Accuracy = 1.11%, Precision = 0.24%, Recall = 1.48%, F1 = 0.24%:
51/51 [4:32:1100:00, 61.54s/it]
Accuracy = 1.11%, Precision = 0.21%, Recall = 1.54%, F1 = 0.23%:
459/459 [18:55:12<00:00, 47.3ls/it]
Accuracy = 1.13%, Precision = 0.28%, Recall = 1.51%, F1 = 0.27%: 51/51 [6:32:11<00:00, 44.32s/itl
Рис. 12. Характеристики модели StreamingRFC с TFIDF Fig. 12. Characteristics of the StreamingRFC model with TFIDF
classifier rf hashing
Train [ 1
ioo%r
Val [1 /
100°/o||
Train [2
100%|P~
Val [2 / 100%|[ Train [3
юо%|Г
Val [3 / 100%|f Train [4
ioo%r
Val [4 / 100%|f Traiii [5
100%Г
Val [5 / 10ü%|[~
/5] / 5]
5]
i 5]
5]
/ 5]
Accuracy = 1.11%, Precision = 0.12%, Recall ~ 459/459 [4:01:31<00:00, 31.57s/it] Accuracy = 1.15%, Precision = 0.19%, Recall =
~~ 51/51 [53:37 00:00, 63.09s/it] Accuracy = 1.12%, Precision = 0.12%, Recall :
459/459 [12:02:32<00:00, 94.45s/it] Accuracy = 1.12%, Precision = 0.18%, Recall = 51/51 [1:48:0500:00, 127.18s/it] Accuracy = 1.12%, Precision = 0.14%, Recall 459/459 [23:32:26<00:00, 27.44s/it] Accuracy = 1.17%, Precision = 0.22%, Recall : 51/51 [2:35:13<00:00, 73.22s/it] Accuracy = 1.12%, Precision = 0.12%, Recall 459/459 [1:16:29:32<00:00, 65.48s/it] Accuracy = 1.16%, Precision = 0.24%, Recall : 51/51 [1:48:05<00:00, 127.18s/it] Accuracy = 1.14%, Precision = 0.18%, Recall 459/459 [2:11:55:18<00:00, 72.48s/it] Accuracy = 1.18%, Precision = 0.32%, Recall : 51/51 [3:21:43<00:00, 87.28s/it]
1.47%, Fl = 0.17%:
1.53%, Fl = 0.23%:
1.48%, Fl = 0.18%:
1.50%, Fl = 0.22%:
1.50%, Fl = 0.21%:
1.64%, Fl = 0.33%:
1.48%, Fl = 0.18%:
1.58%, Fl = 0.24%:
1.61%, Fl = 0.31%:
1.88%, Fl = 0.30%:
Рис. 13. Характеристики модели StreamingRFC с word hashing Fig. 13. Characteristics of the StreamingRFC model with word hashing
ром BertTokenizer импортируется из библиотеки transformers. В качестве метрик качества классификаторов используются Accuracy, Recall, Precision и мера F1. Количество эпох обучения для каждого классификатора — 10.
Результаты обучения моделей классификаторов MultinominalNB, SGDClassifier, StreamingRFC, с векторизаторами TFIDF и word hashing на пяти эпохах с указанными метриками качества представлены на рис. 8—13. Маркером и шрифтом выделены лучшие значения на трейне и валидации.
Лучшие метрики обучения нейросетевой модели классификатора на основе ruBert-base соответствуют седьмой эпохе, они представлены на рис. 14—17.
Лучшей среди четырёх представленных выше моделей классификаторов оказалась модель классификатора ruBert-base. В сравнении с моделью классификатора на основе наивного байеса с векторизатором word hashing на валидационной выборке (см. табл. 1), она показала результаты в среднем на 15 % выше.
Таблица 1
Сравнение MultinominalNB + word hashing с ruBert-base
Table 1
Comparison of MultinominalNB + word hashing with ruBert-base
Accuracy Precision Recall F1
MultinominalNB с word hashing Train 0.5588 0.4553 0.4508 0.4244
Val 0.4662 0.4117 0.4032 0.3817
ruBert-base Train 1 1 1 1
Val 0.7141 0.5802 0.5815 0.5760
4
Рис. 14. Метрика Accuracy модели классификатора ruBert-base Fig. 14. Accuracy metric of ruBert-base classifier model
Рис. 15. Метрика Precision модели классификатора ruBert-base Fig. 15. The Precision metric of the ruBert-base classifier model
Рис. 16. Метрика Recall модели классификатора ruBert-base Fig. 16. Recall metric of ruBert-base classifier model
Рис. 17. Метрика F1 модели классификатора ruBert-base Fig. 17. F1 metric of ruBert-base classifier model
Худшие результаты классификации показал алгоритм случайного леса, основные метрики качества не превысили 1 %. Это можно объяснить тем, что при решении задач многоклассовой классификации с большим количеством классов и обучающей выборкой случайный лес использует множество деревьев: каждому дереву в лесу передаются одни и те же входные данные, на основании которых оно должно вернуть свое предсказание. После чего также происходит голосование на полученных прогнозах. Весь этот процесс занимает много времени. Процесс разделения классов повторяется с использованием «жадной», рекурсивной процедуры, пока дерево не достигнет максимальной глубины, или в каждом узле не останутся только образцы одного класса. Выращивание деревьев такой размерности затратная процедура как по времени, так и по вычислительной мощности. Что подтвердилось в ходе обучения: уже на второй эпохе алгоритм случайного леса с векторизатором word hashing затратил на обучение более 12 часов.
Тестирование классификаторов в режиме предсказывания класса заявки в соответствии с первым уровнем классификатора ОКПД2 (см. табл. 2) показало, что лучшие результаты продемонстрировали наивный байесовский классификатор и ruBert-base.
Таблица 2
Результаты тестирования классификаторов в режиме предсказывания кода заявки из ОКПД2
Table 2
Results of testing classifiers in the order code prediction mode from OKPD2
Текст SVM MultinominalNB StreamingRFC ruBert-base ОКПД 2
TFIDF W-hash TFIDF W-hash TFIDF W-hash
Текущий ремонт помещений 27 45 41 43 49 49 43 43
Поставка песка и гравия природного 28 14 8 8 49 62 8 8
Закупка персональных компьютеров 27 14 26 26 49 49 26 26
Закупка медицинских масок 32 13 14 32 49 80 14 32,21, (14)
На оказание услуг автомойки для автомобилей Федерального бюджетного учреждения здравоохранения «Центр гигиены и эпидемиологии в Камчатском крае» 74 71 20 45 62 80 45 45
Таким образом, на основе сравнительного анализа определено, что для рекомендательной системы по предсказанию кодов классификатора ОКПД 2 по тексту заявки целесообразнее использовать модели многоклассовой классификации на основе наивного байесовского алгоритма с векторизатором word hashing и нейросетевую модель ruBert-base.
Выводы
Осуществлена разработка и проведено сравнение моделей многоклассовых классификаторов для построения рекомендательной системы, используемой при подготовке заявок на портале ЕИС в сфере закупок https://zakupki.gov.ru/. Модели классификаторов обучались на данных, собранных с портала ЕИС.
В ходе сравнительного анализа хорошие результаты продемонстрировали модель наивного байесовского классификатора с векторизатором word hashing и модель ruBert-base. Метрики ка-
чества на модели наивного байесовского классификатора на валидационной выборке составили: accuracy = 0.4662, precision = 0.4117, recall = 0.4032, F1 = 0.3817. Метрики на модели ruBert-base составили: accuracy = 0.7141, precision = 0.5802, recall = 0.5817, F1 = 0.5760. В результате тестирования классификаторов в режиме предсказывания кода заявки из ОКПД 2 на наборе из пяти примеров классификатор на основе наивного байеса с векторизатором word hashing отработал без ошибок, классификатор ruBert-base на четвертом примере определил класс неточно. Исходя из результатов сравнительного анализа, данные две модели классификаторов предлагается использовать для построения рекомендательной системы.
В дальнейшем планируется рассмотреть широкий класс нейросетевых моделей трансформер-ной архитектуры, такие как gpt [30], gpt-2 [31], gpt-3 [32], roBert [33], megatronBert [34] и др. Также планируется реализовать все уровни классификатора ОКПД2.
Подобные подходы позволят расширить функции существующих электронных торговых площадок в части развития широкого класса рекомендательных сервисов [35, 36] для интеллектуального анализа тендерной документации в сфере закупок.
СПИСОК ЛИТЕРАТУРЫ
1. Мамедова Н.А., Александрова К.С., Позднякова Н.А. Анализ информационного обеспечения контрактной системы на примере официального сайта ЕИС в сфере закупок // Internat. J. of Professional Science. 2018. No. 4. Pp. 24-34.
2. Rashid A.M., Albert I., Cosley D., Lam S.K., McNee S.M., Konstan J.A., et al. Getting to know you: Learning new user preferences in recommender systems // Proc. of the Internat. Conf. on Intelligent User Interfaces. 2002. Pp. 127-34.
3. Hinz O., Eckert J. The impact of search and recommendation systems on sales in electronic commerce // Bus Inf Syst Eng. 2010. no. 2. Pp. 67-77. DOI: 10.1007/s12599-010-0092-x
4. Garcia Rodriguez M.J., Rodriguez Montequin V., Ortega Fernandez F., Villanueva Balsera J.M. Bidders recommender for public procurement auctions using machine learning: Data analysis, algorithm, and case study with tenders from Spain // Complexity. 2020. DOI: 10.1155/2020/8858258
5. Sunmola Funlade, Shehu Yusuf. A case study on performance features of electronic tendering systems // Procedia Manufacturing. 2020. Vol. 51. Pp. 1586-1591. DOI: 10.1016/j.promfg.2020.10.221
6. Mehrbod A., Grilo A. Advanced engineering informatics tender calls search using a procurement product named entity recognizer // Advanced Engineering Informatics. 2018. Vol. 36.
7. Garcia Rodriguez M.J., Rodriguez Montequin V., Ortega Fernandez F., Villanueva Balsera J.M. Public procurement announcements in Spain: Regulations, data analysis, and award price estimator using machine learning // Complexity. 2019.
8. Мигунов В.В. Проблема идентификации отраслевого рынка в ОКВЭД: методический подход // Конкурентоспособность территорий. Матер. XXIV Всерос. экономического форума молодых ученых и студентов. В 4-х ч. Екатеринбург, 2021. С. 64-66.
9. Молчанов А.Н., Реут Д.В., Смирнов С.О. Анализ проблемного поля основных общероссийских классификаторов технико-экономической информации (ОКВЭД 2, ОКПД 2, ОКОФ) // Управление развитием крупномасштабных систем MLSD'2017. Матер. X междунар. конф. в 2-х т. Институт проблем управления им. В.А. Трапезникова; РАН, 2017. С. 358-361.
10. Игнатова Г.В., Иноземцева В.В. Информационное обеспечение закупочной деятельности в цифровой экономике // Вестник Саратовского государственного социально-экономического университета. 2019. № 3 (77). С. 15-19.
11. Горюнова Н.Д., Громов Д.Н., Кузьмин А.Е. Организация внутреннего финансового контроля государственными заказчиками при планировании закупок товаров, работ и услуг // Управленческое консультирование. 2019. № 5 (125). С. 42-52. DOI: 10.22394/1726-1139-2019-5-42-52
12. Schoenherr T., Tummala V. Electronic procurement: A structured literature review and directions for future research // Internat. J. of Procurement Management. 2007. no. 1. Pp. 8-37. DOI: 10.1504/IJPM.20-07.015353
13. Masudin I., Aprilia G.D., NugrahaA., Restuputri D.P. Impact of e-procurement adoption on company performance: Evidence from Indonesian manufacturing industry // Logistics. 2021. no. 5. P. 16. https://doi. org/10.3390/ logistics5010016
14. Milano S., Taddeo M., Floridi L. Recommender systems and their ethical challenges // AI & Soc. 2020. no. 35. Pp. 957-967. https://doi.org/10.1007/s00146-020-00950-y
15. Isinkaye F.O., Folajimi Y.O., Ojokoh B.A. Recommendation systems: Principles, methods and evaluation // Egyptian Informatics J. 2015. Vol. 16(3). Pp. 261-273. DOI: 10.1016/j.eij.2015.06.005
16. Valdiviezo-Diaz P., Ortega F., Cobos E., Lara-Cabrera R. A collaborative filtering approach based on naive Bayes classifier // IEEE Access. 2019. Vol. 7. Pp. 108581-108592.
17. Ajesh A., Nair J., Jijin P.S. A random forest approach for rating-based recommender system // 2016 Internat. Conf. on Advances in Computing, Communications and Informatics (ICACCI). DOI: 10.1109/icac-ci.2016.7732225
18. Sun F., Liu J., Wu J., Pei C., Lin X., Ou W., Jiang P. BERT4Rec // Proc. of the 28th ACM Internat. Conf. on Information and Knowledge Management - CIKM'19. DOI: 10.1145/3357384.3357895
19. Ziegler C.N., McNee S.M., Konstan J.A., Lausen G. Improving recommendation lists through topic diversification // Proc. of the 14th Internat. Conf. on World Wide Web. 2005. Pp. 22-32.
20. Seliverstov Y.A., Komissarov A.A., Poslovskaia E.D., Lesovodskaya A.A., Podtikhov A.V. Detection of low-toxic texts in similar sets using a modified XLM-RoBERTa neural network and toxicity confidence parameters // XXIV Internat. Conf. on Soft Computing and Measurements (SCM). 2021. Pp. 161-164. DOI: 10.1109/SCM52931.2021.9507117
21. Zueva N., Kabirova M., Kalaidin P. Reducing unintended identity bias in Russian hate speech detection // Proc. of the 4th Workshop on Online Abuse and Harms. 2010. Pp. 65-69. DOI: 10.18653/v1/P17, arXiv preprint arXiv:2010.11666
22. Smetanin S. Toxic comments detection in Russian // Proc. of the Internat. Conf. on Computational Linguistics and Intellectual Technologies. Dialogue 2020. DOI: 10.28995/NNNN-NNNN/2020-19-1-11
23. Seliverstov Y.A., Seliverstov S.A., Malygin I.G., Korolev O. Traffic safety evaluation in Northwestern Federal District using sentiment analysis of Internet users' reviews // Transportation Research Procedia. 2020. no. 50. Pp. 626-635. DOI: 10.1016/j.trpro.2020.10.074
24. Селиверстов Я.А., Чигур В.И., Сазанов А.М., Селиверстов С.А., Свистунова А.С. Разработка системы для тонового анализа отзывов пользователей портала "AUTOSTRADA.INFO/RU" // Труды СПИИРАН. 2019.18:2. С. 354-389.
25. Wang Qing, Peng Rongqun, Wang Jiaqiang, Xie Yushu, Zhou Yangfan. Research on text classification method of LDA- SVM based on PSO optimization. 2019. Pp. 1974-1978. DOI: 10.1109/CAC48633.2019.8996952
26. Двойникова А.А., Карпов А.А. Аналитический обзор подходов к распознаванию тональности русскоязычных текстовых данных // Информационно-управляющие системы. 2020. № 4. С. 20-30. DOI: 10.31799/1684-8853-2020-4-20-30
27. Kuratov Y., Arkhipov M. Adaptation of deep bidirectional multilingual transformers for Russian language // Computational Linguistics and Intellectual Technologies: Papers from the Annual Internat. Conf. Dialogue. RSUH, Moscow, 2019. Pp. 333-340.
28. Huang Po-Sen, He Xiaodong, Gao Jianfeng, Deng Li, Acero Alex, Heck Larry. Learning deep structured semantic models for web search using clickthrough data. 2013. Pp. 2333-2338. DOI: 10.1145/2505515.2505665
29. Usama Khalid, Mirza Omer Beg, Muhammad Umair Arshad. RUBERT: A bilingual Roman Urdu BERT using cross lingual transfer learning // arXiv:2102.11278v1 [cs.CL] 22 Feb 2021.
30. Radford A., Narasimhan K., Salimans T., Sutskever I. Improving language understanding by generative pre-training // URL: https://cdn.openai.com/research-covers/language-unsupervised/language_understand-ing_paper.pdf, 2018.
31. Vig J., Belinkov Y. Analyzing the structure of attention in a transformer language model. 2019. Pp. 63-76. DOI: 10.18653/v1/W19-4808
32. Dehouche Nassim. Plagiarism in the age of massive Generative Pre-trained Transformers (GPT-3): The best time to act was yesterday. The next best time is now // Ethics in Science and Environmental Politics. 2021. P. 21. DOI: 10.3354/esep00195
33. Liu Yinhan, Ott Myle, Goyal Naman, Du Jingfei, Joshi Mandar, Chen Danqi, Levy Omer, Lewis Mike, Zettlemoyer Luke, Stoyanov Veselin. RoBERTa: A robustly optimized BERT pretraining approach. 2019.
34. Shoeybi Mohammad, Patwary Md. Mostofa Ali, Puri Raul, Legresley Patrick, Casper Jared, Catan-zaro Bryan. Megatron-LM: Training multi-billion parameter language models using model parallelism. 2019 // URL: https://deepai.org/publication/megatron-lm-training-multi-billion-parameter-language-models-us-ing-model-parallelism
35. Allal-Cherif Oihab, Virginia Simon-Moya, Ballester Antonio C. Intelligent purchasing: How artificial intelligence can redefine the purchasing function // J. of Business Research. 2021. no. 124. Pp. 69-76. DOI: 10.1016/j.jbusres.2020.11.050
36. Milana Carlo, Ashta Arvind. Artificial intelligence techniques in finance and financial markets: A survey of the literature // Strategic Change. 2021. no. 30. Pp. 189-209. DOI: 10.1002/jsc.2403
REFERENCES
1. Mamedova N.A., Aleksandrova K.S., Pozdnyakova N.A. Analiz informatsionnogo obespecheniya kon-traktnoy sistemy na primere Ofitsialnogo sayta YeIS v sfere zakupok. International Journal of Professional Science, 2018, no. 4, Pp. 24-34. (rus)
2. Rashid A.M., Albert I., Cosley D., Lam S.K., McNee S.M., Konstan J.A., et al. Getting to know you: Learning new user preferences in recommender systems. Proceedings of the International Conference on Intelligent User Interfaces, 2002, Pp. 127-34.
3. Hinz O., Eckert J. The impact of search and recommendation systems on sales in electronic commerce. Bus Inf Syst Eng, 2010, no. 2, Pp. 67-77. DOI: 10.1007/s12599-010-0092-x
4. Garcia Rodriguez M.J., Rodriguez Montequin V., Ortega Fernandez F., Villanueva Balsera J.M. Bidders recommender for public procurement auctions using machine learning: Data analysis, algorithm, and case study with tenders from Spain. Complexity, 2020. DOI: 10.1155/2020/8858258
5. Sunmola Funlade, Shehu, Yusuf. A case study on performance features of electronic tendering systems. Procedia Manufacturing, 2020, Vol. 51, Pp. 1586-1591. DOI: 10.1016/j.promfg.2020.10.221
6. Mehrbod A., Grilo A. Advanced engineering informatics tender calls search using a procurement product named entity recognizer. Advanced Engineering Informatics, 2018, Vol. 36.
7. Garcia Rodriguez M.J., Rodriguez Montequin V., Ortega Fernandez F., Villanueva Balsera J.M. Public procurement announcements in Spain: Regulations, data analysis, and award price estimator using machine learning. Complexity, 2019.
8. Migunov V.V. Problema identifikatsii otraslevogo rynka v OKVED: metodicheskiy podkhod. Konkuren-tosposobnost territoriy. Materialy XXIV Vserossiyskogo ekonomicheskogo foruma molodykh uchenykh i studentov. Yekaterinburg, 2021. Pp. 64-66. (rus)
9. Molchanov A.N., Reut D.V., Smirnov S.O. Analiz problemnogo polya osnovnykh obshcherossiyskikh klassifikatorov tekhniko-ekonomicheskoy inorfmatsii (OKVED 2, OKPD 2, OKOF). Upravleniye razvitiyem
krupnomasshtabnykh sistem MLSD'2017. Materialy X mezhdunarodnoy konferentsii. Institut problem uprav-leniya im. V.A.Trapeznikova; RAS, 2017. Pp. 358—361. (rus)
10. Ignatova G.V., Inozemtseva V.V. Informatsionnoye obespecheniye zakupochnoy deyatelnosti v tsifro-voy ekonomike. Vestnik Saratovskogo Gosudarstvennogo Sotsialno-Ekonomicheskogo Universiteta, 2019, no. 3 (77), Pp. 15-19. (rus)
11. Goryunova N.D., Gromov D.N., Kuzmin A.Ye. Organizatsiya vnutrennego finansovogo kontrolya go-sudarstvennymi zakazchikami pri planirovanii zakupok tovarov, rabot i uslug. Upravlencheskoye Konsultirova-niye, 2019, no. 5 (125), Pp. 42-52. (rus). DOI: 10.22394/1726-1139-2019-5-42-52
12. Schoenherr T., Tummala V. Electronic procurement: A structured literature review and directions for future research. International Journal of Procurement Management, 2007, no. 1, Pp. 8-37. DOI: 10.1504/ IJPM.2007.015353
13. Masudin I., Aprilia G.D., Nugraha A., Restuputri D.P. Impact of e-procurement adoption on company performance: Evidence from Indonesian manufacturing industry. Logistics, 2021, no. 5, P. 16. https:// doi.org/10.3390/ logistics5010016
14. Milano S., Taddeo M., Floridi L. Recommender systems and their ethical challenges. AI & Soc., 2020, no. 35, Pp. 957-967. https://doi.org/10.1007/s00146-020-00950-y
15. Isinkaye F.O., Folajimi Y.O., Ojokoh B.A. Recommendation systems: Principles, methods and evaluation. Egyptian Informatics Journal, 2015, Vol. 16(3), Pp. 261-273. DOI: 10.1016/j.eij.2015.06.005
16. Valdiviezo-Diaz P., Ortega F., Cobos E., Lara-Cabrera R. A collaborative filtering approach based on naive Bayes classifier. IEEE Access, 2019, Vol. 7, Pp. 108581-108592.
17. Ajesh A., Nair J., Jijin P.S. A random forest approach for rating-based recommender system. 2016 International Conference on Advances in Computing, Communications and Informatics (ICACCI). DOI: 10.1109/ icacci.2016.7732225
18. Sun F., Liu J., Wu J., Pei C., Lin X., Ou W., Jiang P. BERT4Rec. Proceedings of the 28th ACM International Conference on Information and Knowledge Management — CIKM'19. DOI: 10.1145/3357384.3357895
19. Ziegler C.N., McNee S.M., Konstan J.A., Lausen G. Improving recommendation lists through topic diversification. Proceedings of the 14th International Conference on World Wide Web, 2005, Pp. 22-32.
20. Seliverstov Y.A., Komissarov A.A., Poslovskaia E.D., Lesovodskaya A.A., Podtikhov A.V. Detection of low-toxic texts in similar sets using a modified XLM-RoBERTa neural network and toxicity confidence parameters. XXIVInternational Conference on Soft Computing and Measurements (SCM), 2021, Pp. 161-164. DOI: 10.1109/SCM52931.2021.9507117
21. Zueva N., Kabirova M., Kalaidin P. Reducing unintended identity bias in Russian hate speech detection. Proceedings of the 4th Workshop on Online Abuse and Harms, 2010, Pp. 65-69. DOI: 10.18653/v1/P17, arXiv preprint arXiv:2010.11666
22. Smetanin S. Toxic comments detection in Russian. Proceedings of the International Conference on Computational Linguistics and Intellectual Technologies, Dialogue 2020. DOI: 10.28995/NNNNNNNN/ 2020-19-1-11
23. Seliverstov Y.A., Seliverstov S.A., Malygin I.G., Korolev O. Traffic safety evaluation in Northwestern Federal District using sentiment analysis of Internet users' reviews. Transportation Research Procedia, 2020, no. 50, Pp. 626-635. DOI: 10.1016/j.trpro.2020.10.074
24. Seliverstov Y.A., Chigur V.I., Sazanov A.M., Seliverstov S.A., Svistunova A.S. Razrabotka sistemy dlya tonovogo analiza otzyvov polzovateley portala "AUTOSTRADA.INFO/RU". Tr. SPIIRAN, 2019, 18:2, Pp. 354-389. (rus)
25. Wang Qing, Peng Rongqun, Wang Jiaqiang, Xie Yushu, Zhou Yangfan. Research on text classification method of LDA- SVMbased on PSO optimization, 2019, Pp. 1974-1978. DOI: 10.1109/CAC48633.2019.8996952
26. Dvoynikova A.A., Karpov A.A. Analiticheskiy obzor podkhodov k raspoznavaniyu tonalnosti russkoya-zychnykh tekstovykh dannykh. Informatsionno-Upravlyayushchiye Sistemy, 2020, no. 4, Pp. 20-30. (rus). DOI: 10.31799/1684-8853-2020-4-20-30
27. Kuratov Y., Arkhipov M. Adaptation of deep bidirectional multilingual transformers for Russian language. Computational Linguistics and Intellectual Technologies: Papers from the Annual International Conference "Dialogue". RSUH, Moscow, 2019, Pp. 333-340.
28. Huang Po-Sen, He Xiaodong, Gao Jianfeng, Deng Li, Acero Alex, Heck Larry. Learning deep structured semantic modelsfor web search using clickthrough data, 2013, Pp. 2333-2338. DOI: 10.1145/2505515.2505665
29. Usama Khalid, Mirza Omer Beg, Muhammad Umair Arshad. RUBERT: A bilingual Roman Urdu BERT using cross lingual transfer learning. arXiv:2102.11278v1 [cs.CL] 22 Feb 2021.
30. Radford A., Narasimhan K., Salimans T., Sutskever I. Improving language understanding by generative pre-training. Available: https://cdn.openai.com/research-covers/language-unsupervised/language_understand-ing_paper.pdf, 2018
31. Vig J., Belinkov Y. Analyzing the structure of attention in a transformer language model, 2019, Pp. 63-76. DOI: 10.18653/v1/W19-4808
32. Dehouche Nassim. Plagiarism in the age of massive generative pre-trained transformers (GPT-3): The best time to act was yesterday. The next best time is now. Ethics in Science and Environmental Politics, 2021, P. 21. DOI: 10.3354/esep00195
33. Liu Yinhan, Ott Myle, Goyal Naman, Du Jingfei, Joshi Mandar, Chen Danqi, Levy Omer, Lewis Mike, Zettlemoyer Luke, Stoyanov Veselin. RoBERTa: A robustly optimized BERT pretraining approach, 2019.
34. Shoeybi Mohammad, Patwary Md. Mostofa Ali, Puri Raul, Legresley Patrick, Casper Jared, Catanza-ro Bryan. Megatron-LM: Training multi-billion parameter language models using model parallelism. 2019. Available: https://deepai.org/publication/megatron-lm-training-multi-billion-parameter-language-models-us-ing-model-parallelism
35. Allal-Chérif Oihab, Virginia Simón-Moya, Ballester Antonio C. Intelligent purchasing: How artificial intelligence can redefine the purchasing function. Journal of Business Research, 2021, no. 124, Pp. 69-76. DOI: 10.1016/j.jbusres.2020.11.050
36. Milana Carlo, Ashta Arvind. Artificial intelligence techniques in finance and financial markets: A survey of the literature. Strategic Change, 2021, no. 30, Pp. 189-209. DOI: 10.1002/jsc.2403
INFORMATION ABOUT AUTHORS / СВЕДЕНИЯ ОБ АВТОРАХ
Селиверстов Ярослав Александрович Yaroslav A. Seliverstov
E-mail: Y. [email protected]
Комиссаров Андрей Александрович Andrey A. Komissarov
E-mail: [email protected]
Лесоводская Алина Алексеевна Alina A. Lesovodskay
E-mail: [email protected]
Бовыкин Павел Геннадьевич Pavel G. Bovykin
E-mail: [email protected]
Подтихов Артур Владимирович Artur V. Podtikhov
E-mail: [email protected]
Торсионов Станислав Сергеевич Stanislav S. Torsionov
E-mail: [email protected]
Цирков Дмитрий Алексеевич Dmitriy A. Tsyrkov
E-mail: [email protected]
Орлов Сергей Александрович Sergei A. Orlov
E-mail: [email protected]
Поступила: 08.04.2022; Одобрена: 23.08.2022; Принята: 25.08.2022. Submitted: 08.04.2022; Approved: 23.08.2022; Accepted: 25.08.2022.
