| Anotācija |
Tā kā datu analītikas projekti kļūst arvien izplatītāki dažādās nozarēs, zināšanu apjoms, kas tiek radīts šo projektu izstrādes laikā, pieaug. Vairumā gadījumu šīs zināšanas tiek glabātas dokumentācijā, piemēram, projektu ziņojumos un zinātniskajos rakstos, un turpmākajiem projektiem būs jāpavada ievērojams laiks un darbs, lai iegūtu šīs zināšanas atkārtotai izmantošanai. Šī maģistra darba mērķis ir risināt šo problēmu, izveidojot zināšanu grafu, kas uzkrāj pabeigtos vai notiekošos projektos radītās zināšanas, pamatojoties uz to dokumentācijas saturu, tādējādi veicinot labāku zināšanu atkārtotu izmantošanu. Darbā tiek piedāvāta metode, ko var izmantot, lai manuāli izveidotu šādu datu analītikas projektu zināšanu grafu, kas attēlo zināšanas kā projekta atribūtus. Šī metode tiek lietota, lai attēlotu zināšanas no 20 nekustamā īpašuma analītikas projektiem, pamatojoties uz šo projektu rezultātā publicēto zinātnisko rakstu saturu. Darbā ir veikta arī programmatūras arhitektūras izstrāde un ieviešana, kas atbalsta šī zināšanu grafa izveidi, automatizējot zināšanu iegūšanu (ar mērķi vienkāršot manuāli izveidotā zināšanu grafa paplašināšanas un uzturēšanas procesu), izmantojot dokumentu izguves paplašinātas ģenerēšanas plūsmu. Pēc tam šī programmatūras arhitektūra tika novērtēta, salīdzinot tās definētos projekta atribūtus, lai tie pārstāvētu tos pašus 20 nekustamā īpašuma analīzes projektus, kas tika izmantoti zināšanu grafa manuālajā izveidē. Novērtējuma rezultātā programmatūras arhitektūra sasniedza vidējo precizitāti 75%, atpazīstamību 95% un F1 rādītāju 83%, aizņemot aptuveni 25 minūtes, salīdzinot ar 12 stundām, kas nepieciešamas atribūtu manuālai definēšanai, tādējādi demonstrējot tās dzīvotspēju zināšanu grafa uzturēšanā. |
