Detecting Similarity Between the Texts of Posts of Virtual Communities for the Formation of Software Documentation

Authors

  • A. I. Synko Lviv Polytechnic National University

DOI:

https://doi.org/10.31649/1997-9266-2024-172-1-45-50

Keywords:

virtual community, documentation, software, cosine similarity

Abstract

The field of information technologies consists of two significantly different parts: the production of information technologies (machines, equipment, programs, etc.) and the production of the information itself, which must be documented. Today, the demand for software development is at a record high and even exceeds the market supply. An important feature of software is the availability of proper accompanying documentation, which is necessary for both developers and end users. Information sources for the formation of software documentation can be virtual communities, which are the most visited resources among Internet users. The advantages of using virtual communities are given in the article. An important characteristic of software documentation is the provision of unique information content. To fulfill this requirement, it is necessary to check their content after uploading the publications to the data repository. It should be noted that virtual communities for the formation of software documentation should be thematic. As a result, a method was developed that displays the cosine similarity between all available posts. The research conducted showed that most of the posts contain unique content, but some may have similar texts. The advantage of using the similarity detection method is that after its execution among all pairwise comparison posts, the positions of pairs of posts can be determined. In the future, we will choose posts whose values will be of interest to the researcher and will allow us to conduct analysis using other methods. Next, cases of post similarity tests were investigated and actions to solve them were described, one of which is to joint similar posts and save all comments. It is recommended to use the N-gram method for posts that received a high value of the similarity measure using the cosine similarity method.

Author Biography

A. I. Synko, Lviv Polytechnic National University

Post-Graduate Student of the Chair of Social Communications and Information Activities

References

О. В. Марковець, і А. І. Синько, «Формування якісної технічної документації до програмного забезпечення,» Вісник Вінницького політехнічного інституту, вип. 2 (155), с. 98-106, 2021. https://doi.org/10.31649/1997-9266-2021-155-2-98-106 .

П. І. Жежнич, і О. О. Сопрунюк, «Консолідація відкритих інформаційних ресурсів в туристичній сфері,» Комп’ютерні науки та інформаційні технології: Вісник Національного університету «Львівська політехніка», № 771, с. 3-11, 2013.

Л. М. Колєчкіна, і О. П. Пухтєєва, «Розробка методу і алгоритму перевірки тексту на унікальність,» Нові технології, № 1-2, с. 58-62, 2013.

К. К. Духновська, Я. А. Страшок, і П. В. Шило, «Інформаційна технологія для проведення лематизації і стемінгу в україномовних текстах,» Прикладні системи та технології в інформаційному суспільстві, зб. тез VI Міжнародної науково-практичної конференції, № 1, с. 119-127, 2013. Режим доступу: http://kist.ntu.edu.ua/konferencii/32_konf_2022.pdf#page=119 .

D. Khyani, B. S. Siddhartha, N. M. Niveditha, and B.M. Divya, “An Interpretation of Lemmatization and Stemming in Natural Language Processing,” Journal of University of Shanghai for Science and Technology, vol. 22 (10), pp. 350-357, 2020.

A. Jalilifard, V. F. Carida, A. F. Mansando, R. S. Cristo, F. Penhorate, and C. Fonseca, “Semantic Sensitive TF-IDF to Determine Word Relevance in Documents,” Computing and Network Communications, vol. 736, pp. 327-337, 2021. https://doi.org/10.1007/978-981-33-6987-0_27 .

Ю. А. Кравченко, А. М. Мансур, і Ж. Х. Мохаммад, «Векторизация текста с использованием методов интеллектуального анализа данных,» Известия ЮФУ, № 2, с. 154-167, 2021. https://doi.org/10.18522/2311-3103-2021-2-154-167 .

P. Kwangil, H. S. June, and K. Wooju, “A Methodology Combining Cosine Similarity with Classifier for Text Classification,” An International Journal Applied Artificial Intelligence, vol. 34, pp. 396-411, 2020. https://doi.org/https://doi.org/10.1080/08839514.2020.1723868 .

J. Awwalu, A. A. Bakar, and M. R. Yaakub, “Hybrid N-gram model using Naïve Bayes for classification of political sentiments on Twitter,” Neural Computing and Applications, no. 31, pp. 9207-9220, 2019. https://doi.org/10.1007/s00521-019-04248-z .

К. Т. Кузьма, «Інформаційна технологія оцінки рівня подібності рядків на основі методу N-грам,» Вчені записки ТНУ імені В.І. Вернадського, т. 31 (70), ч. 1, № 6, с. 96-99, 2020. https://doi.org/10.32838/TNU-2663-5941/2020.6-1/16 .

Downloads

Abstract views: 55

Published

2024-02-27

How to Cite

[1]
A. I. Synko, “Detecting Similarity Between the Texts of Posts of Virtual Communities for the Formation of Software Documentation”, Вісник ВПІ, no. 1, pp. 45–50, Feb. 2024.

Issue

Section

Information technologies and computer sciences

Metrics

Downloads

Download data is not yet available.