Search academic texts

Information × Registration Number 0824U000305, PhD dissertation Status Доктор філософії Date 27-02-2024 popup.evolution . Title Information technology of recommendation for decision support Author Oleksii M. Kuprin, popup.head Olga O. Kryazhych popup.head Kyrylo D. Guliaiev popup.opponent Oleh I. Zakhozhay popup.opponent Oleksandr H. Kharchenko popup.opponent Ihor О. Bodnarchuk popup.review Vasylenko Vladyslav M. Description Алгоритми машинного навчання стають невід’ємним напрямом сучасного розвитку інформаційних технологій. Вони поєднують в собі дані, обмеження та моделі, що у підсумку дозволяють створити інформаційну технологію, яка дозволяє виконувати операції безпосередньо машині самостійно генерувати та виконувати складні алгоритми без втручання людини. Вони є новою ланкою сучасних систем підтримки прийняття рішень. У цьому випадку зазначені системи набувають можливості оперування дійсно великими обсягами інформації, обробляючи масиви даних та перетворюючи їх у систематизовані вибірки за запитами кінцевих користувачів. Подібні системи зменшуватимуть інформаційне перевантаження та задовольнятимуть більш широку сферу потреб користувачів он-лайн сервісів. Рекомендаційні системи, засновані на глибокому навчанні, та останнім часом привертають дедалі більшу увагу як науковців, так і комерційний сектор. І керівним питанням розвитку таких систем є всебічне врахування інтересу користувачів. Визначальним фактором до вдосконалення рекомендації є розуміння еволюції вподобань користувачів. Більшість існуючих моделей послідовних рекомендацій мають у якості вхідних даних лише виконані натискання, яким присвоюється статус ключових ознак, або маркерів користувача, що визначають його дії. Проте зазначені моделі приділяють мало уваги деталізації впливу окремих маркерів користувача на підсумковий результат, хоча вибір може відбуватися за сукупністю деяких малозалежних ознак. Але ж подібне може доповнювати дані про зацікавлення користувача, створюючи більш точну модель рекомендацій, що підкреслює актуальність теми дослідження. Метою роботи є розробка моделей та методів рекомендаційної підтримки прийняття рішень для збору і обробки інформації із різнорідних джерел з метою створення рекомендації на основі вивчення уподобань споживача. Об’єкт дослідження – процеси автоматизації підтримки прийняття рішень з вибору найбільш оптимальної дії за аналізом інформації, що надходить з різнорідних джерел. Предмет дослідження – моделі та методи підтримки прийняття рішень з надання рекомендацій стосовно інформації на основі поведінкових уподобань користувача Інтернет. Методи дослідження. В роботі використані окрім загальнонаукових методів, методи та підходи комп’ютерної логіки, математичного моделювання та теорії ймовірності, теорії ігор, асоціативні методи пошуку, методи рішення інженерних задач на етапі проектування інформаційних систем для обґрунтування поведінки користувача в Інтернеті при вирішенні питань, стосовно надання рекомендацій щодо здійснення персонального оптимального вибору. Для реалізації завдань роботи використано відкрите програмне забезпечення – бібліотека Tensor Flow. Наукова новизна: уперше запропонована модель з математичним обґрунтуванням за допомогою методу Рунге-Кутти для системи зі стаціонарним станом та застосуванням закону розподілу ймовірності при наданні рекомендації користувачу, як випадкової події при Інтернет-серфінгу; дістала подальшого розвитку методологія розробки рекомендаційного алгоритму; уперше представлена модель надання рекомендацій з використанням правил комп’ютерної логіки, в якій опрацьовано механізм переходів користувача з метою відбору параметрів для надання рекомендацій за кроками у дискретному середовищі, коли за діями користувача рішення може приймати лише два значення – «так» чи «ні»; уперше запропонована програмна реалізація рекомендаційної підтримки прийняття рішень у вигляді вебдодатку, з реалізацією моделі переходів в рекомендаціях в залежності від зміни уподобань за допомогою створення графів переходів за різними вхідними параметрами. Практичне значення отриманих результатів. Особливістю отриманих результатів та вирішених поставлених в роботі задач є їх універсальність щодо застосування у сучасних Інтернет-технологіях, які дозволятимуть користувачу зробити обґрунтований вибір та уникнути зайвих витрат, викликаних спонтанними рішеннями на основі реклами чи пропозицій інших користувачів. Розроблені моделі, алгоритми та методи дозволять розробляти Інтернет-технології з рекомендаційними системами на підставі інтелектуальної обробки даних, отриманих з багатьох джерел як за перевагами користувача, так і за його відхиленнями окремих пропозицій. Registration Date 2024-01-12 popup.nrat_date 2024-03-06 Close