Mid-Interview

Objetivos:

• Registrar FAQs
• Buscar FAQ más parecida utilizando cálculo de similitud coseno.

Para ejecución:

1. Clonar repositorio.
2. ejecutar docker compose up --build.
3. acceder a http://localhost:3000/ desde un web browser.

Hashing Trick / Feature Hashing

1. Se concatenan pregunta + respuesta.
2. Se normalizan textos (se descartan carácteres no alfabéticos)
3. Se tokeniza el texto y se hashea la tabla de tokens.
4. los índices de la tabla hash corresponden a las posiciones en un vector de 128 elementos.

La similitud coseno se calculó dividiendo el producto punto de los vectores a comparar entre el producto de las magnitudes de los vectores.

Las características a favor de este programa como prototipo:

• Las preguntas y respuestas se concatenan incorporando información de la respuesta (siendo que ambas están estrechamente relacionadas).

• HashTrick es eficiente (complejidad O(n))

• Similitud Coseno es un cálculo liviano.

• HashTrick resuelve el problema de dimensionalidad.

• Se puede ajustar la longitud del vector. Esta afecta la relación Costo/Presición

• Procesamiento general liviano.

  Tiempo invertido bruto: 32 horas.