Пошук академічних текстів

Інформація × Реєстраційний номер 2119U006797, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Програмне забезпечення для підтримки роботи з графовими структурами з використанням Apache Spark Автор Терещенко Андрій СергійовичTereshchenko Andrii Serhiiovych Дата публікації 01-06-2019 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/31295 Видання Київ Опис Робота містить 24 рисунки і 19 таблиць. З кожним роком зростає попит на вирішення різноманітних проблем пов’язаних з теорією графів. Графи є широко розповсюдженими в нашому суспільстві, тому і виникає велика кількість задач для виконання, яких необхідно застосовувати різноманітні алгоритми для обробки графів. Ми спостерігаємо за графовими структурами майже щодня. За допомогою графів ми можемо представити багато речей : блок-схеми, транспортні мережі, молекулярні структури, соціальні мережі, структури гіперпосилань. Теорія графів служить потужним інструментом для моделювання та аналізу практичних проблем таких як мережі зв’язку та організація даних. Використовуючи алгоритми машинного навчання для обробки графів ми можемо вирішувати задачі прогнозування, кластеризації та ранжування даних за важливістю. У першому розділі було розглянуто алгоритми, які ми будемо застосовувати для обробки графу та описано функціональні та не функціональні вимоги. У другому розділу було описано архітектуру програмного продукту та створено схеми бізнес процесів за методологією IDEF0. У третьому розділі було проаналізовано якість програмного забезпечення, описано методику тестування нашого додатку, а також продемонстровано приклади тестів. У четвертому розділі ми описали розгортання програмного забезпечення, а також детально розглянули роботу з нашим веб-додатком. The work contains 24 drawings and 19 tables. Every year the demand for solving various problems related to the theory of graphs is increasing. Graphs are widespread in our society, and therefore there is a large number of tasks for execution, which requires the use of various algorithms for processing graphs. We observe graph structures almost daily. With graphs we can present many things: flowcharts, transport networks, molecular structures, social networks, hyperlink structures. Graph theory is a powerful tool for modeling and analyzing practical problems such as communication networks and data organization. Using algorithms of machine learning for processing graphs, we can solve prediction problems, clustering and ranking of data by importance. In the first section we considered algorithms that we will use to handle the graph and describe the functional and non-functional requirements. The second section describes the software architecture and creates business process diagrams using the IDEF0 methodology. In the third section, the quality of software was analyzed, the testing methodology of our application is described, and examples of tests are demonstrated. In the fourth section, we described the deployment of the software, and also discussed in detail the work with our web application. Додано в НРАТ 2025-11-05 Закрити