IBM Bluemix Retrieve and rank demo

Abstract

Tässä työssä perehdytään ajankohtaisesti kiinnostavaan sekä vauhdilla nousevaan koneoppimisen (deep learning) suuntaukseen toteuttamalla aihealueeseen liittyvä sovellus käyttäen IBM:n Bluemix verkkoportaalista saatavilla olevaa Retrieve and Rank -alustaa. Työssä annetaan lukijalle vankat pohjatiedot koneoppimisesta, sekä kerrotaan kuinka Retrieve and Rank -palvelualustan käyttöönotto Java-ohjelmointikielellä tapahtuu. Opinnäytetyön yhteydessä toteutettu sovellus käyttää Wikipediassa olevan yhden aihealueen (kategorian) sivuja, jotka opetetaan Retrieve and Rank -sovellukselle. Lopullisessa työssä sovellukselle pystyy esittämään selkokielisiä kysymyksiä englanniksi, joihin keinoäly etsii ja palauttaa parhaiten vastaavaa Wikipedia artikkelia. Sovellukseen jäi jatkokehitettävää lisäämällä opetus- ja arviointikysymyksien lukumäärää, jolloin sovelluksen tuottamien vastauksien vertailu olisi lähempänä oikean maailman toteutuksien kanssa. Lisäksi sovelluksen eri käyttöasetuksien vaikutusta lopputulokseen voisi tutkia tarkemmin.

This thesis orients itself to current, interesting and fast rising software development trend about Machine learning (deep learning) by implementing a themed application using IBM’s Retrieve and Rank service available in Bluemix online could portal. This work will give its reader a solid base information about machine learning and describes how the Retrieve and Rank service is setup and started with Java programming language. The application developed during the Thesis process reads data from Wikipedia articles (of one category) and teaches the Retrieve and Rank -service to operate with this data. With a web interface a user can type questions in plain language and the Retrieve and Rank -service search and returns the Wikipedia pages which answers the question best. In the application, there remains further development by increasing teaching and evaluation question count. Then the query comparison would give results much closely to real world applications. In addition, the effects of different use settings into the end results could be studied more closely. In the end the work describes the lessons learned.