Автоматизація дослідження громадської думки дозволить не тільки зменшити кількість ручної праці, а й отримувати часові зрізи результатів без додаткових зусиль. Оскільки потрібно уникнути прямої взаємодії з респондентами, громадську думку необхідно аналізувати на основі джерел її вільного вираження. Соціальні мережі чудово підходять на цю роль, так як там люди вільно публікують свої думки або емоційно правдиво реагують на опубліковану інформації щодо певних подій. Статистика показує, що даних із соціальних мереж недостатньо для отримання повноцінного результату, бо чималий відсоток людей не користуються соціальними мережами. Проте автоматизація дослідження навіть такого прошарку населення уже є хорошим результатом для аналізу динаміки змін громадської думки відповідно подій в країні/світі та відповідно для корегування в подальшому процесів державного управління. Мета дослідження - розроблення технології аналізу україномовного потоку контенту в соціальних мережах для дослідження громадської думки на основі знаходження кластеризованих тематичних груп твітів. Розроблено технолгію пошуку трендів твітів на основі кластеризації, що формує потік даних у вигляді коротких репрезентацій кластерів та їхньої популярності для подальшого дослідження громадської думки. Описано ефективний підхід збору твітів, їх фільтрації, очищення та попереднього опрацювання на основі порівняльного аналізу алгоритмів Bag of Words, TF-IDF та BERT. Визначено вплив стемінгу та лематизації на якість отриманих кластерів. А також знайдено оптимальні поєднання методів кластеризації (K-Means, Agglomerative Hierarchical Clustering та HDBSCAN) та векторизації твітів на основі аналізу 27 кластеризацій однієї вибірки даних. Обрано спосіб подання кластерів твітів у короткому форматі. Найкращі результати показали алгоритми, що використовують Відстань Левенштейна, тобто fuzz sort, fuzz set та levenshtein. Дані алгоритми швидко здійснюють перевірки, мають більшу різницю подібностей, тож можна точніше визначити межу подібності. Згідно з результатами проведених кластеризацій, оптимальними рішеннями є використання алгоритму кластеризації HDBSCAN та алгоритму векторизації BERT для досягнення найточніших результатів, та використання K-Means разом із TF-IDF для досягнення найкращої швидкодії із оптимальним результатом. Для зменшення часу виконання можна застосовувати стемінг. Висновки: в дослідженні експериментально знайдено оптимальні варіанти для порівняння відбитків кластерів серед таких методів пошуку подібності: Fuzz Sort, Fuzz Set, Levenshtein, Jaro Winkler, Jaccard, Sorensen, Cosine, Sift4. У деяких алгоритмів середня подібність відбитків сягає вище 70 %. Знайдено 3 ефективні інструменти для порівняння їхньої подібності, так як вони показують достатню відмінність між порівняннями подібних та різних кластерів (>> 20 %). На основі обраних ефективних методів, успішно проведено аналіз трендів для 90 000 твітів за 7 днів для 5 тем тижня за допомогою K-Means та TF-IDF для кластеризації та векторизації, а також fuzz sort для порівняння відбитків кластерів із межою подібності 55 %.

Представлено збірник, в якому розміщено тексти доповідей XV Міжнародної конференції з питань національної ідентичності у мові та культурі. Розглянуто питання взаємодії національних мов сучасної Європи, вплив мови на збереження коду національної ідентичності в умовах сучасності, проблеми національної ідентичності в контексті полілогу культур, тематику тілесного в подоланні культурних барꞌєрів / лінгвістичну інтерпретацію тематики тілесного тощо.

Більшість досліджень у напрямі виправлення граматичних та стилістичних помилок зосереджені на корекції помилок в англомовному текстовому контенті. Завдяки наявності великих наборів даних досягнуто суттєвого підвищення точності корекції граматики англійської мови. На жаль, досліджень інших мов мало. Системи в для англійської мови постійно розвиваються і наразі активно використовують методи машинного навчання: класифікацію (sequence tagging) та машинний переклад. Для створення якісної моделі машинного навчання для корекції граматичних/стилістичних помилок у текстах тих мов, які є складними морфологічно, необхідна велика кількість паралельних або вручну розмічених даних. Ручна анотація даних вимагає багато зусиль професійних лінгвістів, що робить створення корпусів текстів, особливо морфологічно багатих мов, зокрема, української, часо- та ресурсозатратним процесом. Мета роботи - розроблення технології виправлення помилок в українськомовних текстах на основі методів машинного навчання з використанням невеликого набору анотованих паралельних даних. Для даного дослідження при розробці системи корекції помилок в україномовних текстах із застосуванням оптимального конвеєру (pipeline), що включає в себе попереднє опрацювання текстового контенту, вибір та генерування ознак, обрані алгоритми машинного навчання, в умовах наявності невеликих за обсягом корпусів анотованих даних. Застосування нейронних мереж з новою архітектурою, огляд state-of-the-art методів та порівняння різних етапів конвеєру дасть змогу визначити таку їх комбінацію, яка дозволить отримати якісну модель корекції помилок в україномовних текстах. Розроблено модель машинного навчання для корекції помилок в україномовних текстах. Запропоновано універсальну схему розробки системи корекції помилок для різних мов. Відповідно до отриманих результатів, нейронна мережа має здатність виправляти прості речення, написані українською, однак розроблення повноцінної системи вимагатиме застосування перевірки орфографії за допомогою словників і перевірки правил, як простих, так і заснованих на результаті парсингу залежностей або інших ознак. З-поміж трьох моделей, найкращі показники має попередньо навчена модель нейронного перекладу mT5. З метою економії обчислювальних ресурсів можливим також є застосування попередньо навченої нейронної мережі типу BERT, використовуючи її як у якості енкодера, так і декодера. Така нейронна мережа має вдвічі менше параметрів, ніж інші попередньо навчені моделі машинного перекладу, і показує задовільні результати при виправленні граматичних та стилістичних помилок. Висновки: створена модель показує відмінні результати класифікації на тестових даних. Розраховані метрики якості машинного перекладу дають змогу лише частково порівняти моделі, оскільки більшість слів і словосполучень у початковому та виправленому реченні співпадають. Найкраще значення як BLEU (0,908), так і METEOR (0,956) отримано для mT5, що співпадає із аналізом прикладів, у якому найбільш точні виправлення помилок без зміни початкового значення речення отримані для такої нейронної мережі.

Досліджено проблемні питання розвитку правотворчості в умовах воєнного стану та повоєнний період. Окремий вектор описує основні засади і напрями розвитку правотворчості та удосконалення законодавства в умовах воєнного стану. Увагу приділено функціональним характеристикам правового розвитку в умовах війни. Акцентовано на ролі правових процесів миробудівництва у контексті європейської інтеграції України. Розглянуто правовий розвиток в умовах війни, функціональні характеристики, питання ефективності, функції правотворчості в умовах воєнного стану. Окреслено ефективність правового регулювання в умовах воєнного стану, принцип пропорційності правового регулювання в умовах воєнного стану. Розкрито суть правової діяльності у повоєнний період, напрями розвитку, правотворчі процеси миробудівництва в контексті європейської інтеграції. Наголошено про безпеку людини та проблеми її правового забезпечення.

Взаємодія між компанією та цільовою аудиторією досліджується вже століттями. З самого початку комерційних відносин, стосунки надавача послуг та отримувача цінувалися чи не понад усе. Торгівля побудована на довірі та повазі. Імідж підприємця часто є важливішим, ніж товар, який він продає. За багато сотень років, взаємини торговця і покупця, підприємця та клієнта не втратили важливості і в час масової диджиталізації якість відносин компанії та цільової аудиторії різного розміру та професійна підтримка зворотного зв'язку з клієнтами часто визначають успіх е-бізнесу. Для цього необхідні додаткові інструменти та інформаційні технології для допомоги бізнесменам слідкувати за можливостями розвитку е-бізнесу в певній локації, а також встановлювати зворотній зв'язок з користувачами за допомогою соціальних мереж та ЗМІ. Такі інструменти допоможуть суттєво розширити бачення ринкових можливостей для е-бізнесу, з'ясувати - в які з них є сенс інвестувати, а на які не варто витрачати час. Також побачити, яка ідея має майбутнє і яку бізнес-модель потрібну реалізувати/підтримувати/розвивати для стрімкого розвитку територіального/міжрегіонального е-бізнесу. Також допоможе розібратися, які важелі мають найбільший ефект для зміни політики бізнесу: що не чіпати, а що змінити, щоб забезпечити високу швидкість в реалізації задуму на основі аналізу відповідних результатів досліджень, наприклад, отримувати: прямий фідбек від клієнтів, динаміку зміни загальної задоволеності або зацікавленості цільової аудиторії та переваги/недоліки від користувачів за допомогою NLP-аналізу; підтримку розвитку е-бізнесу відносно локацій знаходження їхнього підприємства та найкращі напрями розвитку; графіки розвитку бізнесу (покращення/погіршення) залежно від змісту коментарів. Мета дослідження - розробка інформаційної технології підтримки розвитку е-бізнесу за допомогою аналізу локацій знаходження бізнесу, опрацювання фідбеку від користувачів, аналізу та класифікації відгуків клієнтів в режимі реального часу з соціальних мереж: Twitter, Reddit, Facebook та інші за допомогою методів глибокого навчання та Natural Language Processing українсько- та англомовних текстів. Для аналізу відугків користувачів та клієнтів використано NLP-методи. Серед методів реалізації основних функцій класифікації англомовних новин використані такі методи машинного навчання, як: наївний Баєсів класифікатор, логістична регресія та метод опорних векторів. Для класифікації українмовних відгуків від користувачів використано алгоритм Наївного Байєса, оскільки він добре показує себе на малих обсягах даних, простий у тренуванні та експлуатації та добре працює з текстовими даними. Наївний класифікатор Байєса є дуже хорошим варіантом для нашої системи і з розрахунку того, що кількість відгуків у датасеті є меншою порівняно з середніми показниками. Розроблено модель машинного навчання для аналізу та класифікації україномовних та англомовних відгуків від користувачів систем е-комерції. Висновки: створена модель показує відмінні результати класифікації на тестових даних. Загальна точність сентиментальної моделі для аналізу україномовного контенту є доволі задовільною, 92,3 %.

Висвітлено виникнення та розвиток банківської системи. Розкрито сутність, функції та порядок створення і ліцензування банків; роль, функції та призначення Національного банку України як центрального банку держави. Наведено класифікацію банківських ресурсів. Розглянуто сутність, види і правове регулювання грошового обігу та безготівкових розрахунків. Увагу приділено видам банківського кредитування; видам і цілям інвестиційної діяльності банків; інвестиційному портфелю банків тощо.

Колективна монографія підготовлена авторами факультету суспільних наук і міжнародних відносин. Розглянуто актуальну проблематику присвячену трансформації, модернізації інформаційного простору системи міжнародних відносин під впливом процесів глобалізації. Здійснено дослідження функціонального аспекту цифрових технологій в структурах суспільства. Досліджено інформаційний вплив на внутрішнє і зовнішнє середовище. Висвітлено наслідки міжнародних політико-правових комунікативних інтеракцій. Грунтовно проаналізовано класичні загрози в цифрову епоху.

Індекс рубрикатора НБУВ: Ч430.221.05

Рубрики:

Інклюзивне навчання в галузі загальної дефектології

Шифр НБУВ: В359761/1 Пошук видання у каталогах НБУВ 

Соціалізація особистостей за спільними інтересами спричинено потребою більшості людей спростити частину життєвих моментів за рахунок зменшення часу на їх реалізацію. З швидкими темпами росту інформації, завантаженості людини в суспільстві та у зв'язку з останніми епідемічними світовими подіями людина стає ізольованою від можливості спілкуватися. А це однією із важливих потреб людської свідомості та самореалізації. Тому є актуальним попитом мати можливість отримувати рекомендований список подібних людей за спільними інтересами як результат інтелектуального пошуку множини релевантних користувачів соціальних мереж через аналіз фото людського обличчя на користувацьких фотографіях (на основі нейронних мереж) і аналіз користувацької інформації (на основі алгоритмів нечіткого пошуку та моделі Noisy Channel). Мета роботи - розроблення технології для соціалізації особистостей на основі SEO-технології та методу машинного навчання через використання згорткової та сіамської нейронних мереж для ідентифікації користувачів та алгоритмів аналізу тексту для підбору релевантних користувачів майбутнього спілкування. При реалізації SEO-технологій обрано алгоритми нечіткого пошуку по словах на основі моделі Noisy Channel з алгоритмами ефективного розподілу текстової інформації. При реалізації машинного навчання розроблено згорткову нейронну мережу для ідентифікації користувачів системи. Розроблено інтелектуальну систему соціалізації особистостей за спільними інтересами на основі SEO-технології та методи машинного навчання. Здійснено реалізацію роботи двох нейронних мереж: згорткової та сіамської, що дозволило здійснити пошук людського обличчя, на завантажуваних користувачем фотографіях і порівняти знайдене обличчя з уже наявними в базі даних/інтернет. Це дає можливість ефективно ідентифікувати справжність користувача та гарантувати, що цього користувача на даний момент нема в базі даних, відповідно він потенційно є реальним. За допомогою алгоритмів нечіткого пошуку, алгоритму Левенштейна та моделі Noisy Channel створено алгоритм аналізу та порівняння користувацької інформації, який для поточного користувача формує список наявних користувачів системи, посортований по спаданню відсоткового співвідношення подібності користувачів та вказує, наскільки інтереси в інших користувачів збігаються з інтересами поточного користувача. Висновки: виявлено, що реалізований в системі алгоритм для формування вибірки користувачів є ефективнішим та точнішим приблизно на 25 - 30 % в порівнянні зі звичайним алгоритмом Левенштейна. Також реалізований алгоритм здійснює вибірку приблизно в 10 разів швидше, ніж звичайний алгоритм Левенштейна.

Індекс рубрикатора НБУВ: Д332.681.01 + Д332661.11

Шифр НБУВ: Ж14166 Пошук видання у каталогах НБУВ 

Перефразований текстовий контенту або рерайт є однією із складних проблем виявлення академічного плагіату. Більшість систем ідентифікації плагіату призначені для виявлення спільних слів, послідовності лінгвістичних одиниць та незначних змін, але не здатні виявити суттєві семантичні та структурні зміни. Тому більшість випадків плагіату із застосуванням перефразування залишаються непоміченими. Мета роботи - розроблення технології виявлення перефразувань у тексті на основі моделі класифікації та методів машинного навчання через використання сіамської нейронної мережі на основі рекурентних та типу Transformer - RoBERTa для аналізу рівня подібності речень текстового контенту. Метод. Для даного дослідження у якості ознак обрані такі метрики семантичної подібності або показники: коефіцієнт Жаккара для спільних N-грам, косинусна відстань між векторними поданнями речень, Word Mover's Distance, відстані за словниками WordNet, передбачення двох ML-моделей: сіамської нейронної мережі на основі рекурентних та типу Transformer - RoBERTa. Результати. Розроблено інтелектуальну систему виявлення перефразувань у тексті на основі моделі класифікації та методів машинного навчання. Розроблена система використовує принцип стекінгу моделей і інжиніринг ознак (feature engineering). Додаткові ознаки вказують на семантичну приналежність речень або нормовану кількість спільних N-грам. Додатково налаштована (fine-tuned) нейронної мережі RoBERTa (із додатковими повнозв'язними шарами) має меншу чутливість до пар речень, що не є перефразуваннями один одного. Така специфічність моделі може сприяти неправильному звинуваченню у плагіаті або некоректному об'єднанню згенерованого користувачами контенту. Додаткові ознаки збільшують як загальну точність класифікації, так і чутливість моделі до пар тих речень, що не є перефразуваннями один одного. Висновок: створена модель показує відмінні результати класифікації на тестових даних PAWS: зважена влучність (precision) - 93 %, зважена повнота (recall) - 92 %, F-міра (F1-score) - 92 %, точність (accuracy) - 92 %. Результати дослідження показали, що NN типу Transformer можуть бути успішно застосовані для виявлення перефразувань у парі текстів із досить високою точністю без потреби додаткового генерування ознак.

На основі чинного законодавства та практики його застосування розкрито поняття та зміст судової та правоохоронної діяльності. Розглянуто завдання, принципи та функції діяльності судових і правоохоронних органів, їх систему, порядок утворення та повноваження.

Життя кожної людини, групи людей і нації залежить від географічних, економічних, політичних, культурних і релігійних умов. Спосіб життя формується у результаті щоденного повторення та складається з таких факторів: харчування, фізичні навантаження, наявність шкідливих звичок, моральний і духовний розвиток тощо. В останні десятиліття спосіб життя вважають невід'ємною частиною добробуту, що сприяло збільшенню кількості досліджень. Медики стверджують, що більш ніж половина проблем зі здоров'ям пов'язані з дієтою. Мільйони людей харчуються неправильно, навіть не підозрюючи про це. Актуальність теми зумовлена численністю підходів до вирішення проблеми контролю дієти, проте різні аналоги пропонують можливості, які відрізняються і не завжди є зрозумілими та зручними, оскільки існує кілька способів досягнення однієї мети. Дослідження стосовно здорового харчування в сучасних умовах є одним із пріоритетних завдань задля покращання фізичного стану різних вікових груп. Мета - створення системи, спрямованої на те, щоб допомогти кінцевому споживачеві дотримуватися здорового харчування, визначаючи склад і калорійність продукту, сформувати рекомендації відповідно до ритму життя. Система призначена для вирішення конкретних завдань: розпізнавати продукти, співвідносити продукт і його калорійність, формувати харчовий щоденник, нагадувати користувачеві про пропущені прийоми їжі та вести статистику.

Створено проєкт інформаційної системи (ІС) для соціалізації за особистими інтересами на основі SEO-технологій і методів машинного навчання. Основна мета цієї ІС - ідентифікація користувача в системі за допомогою нейронних мереж і вибір подібних користувачів на підставі аналізу поточної інформації користувача. Створено ІС, яка за допомогою токенів Identity та JWT забезпечує оптимізовані та безпечні функції авторизації, реєстрації та підтримки поточного сеансу користувача системи. Пошук обличчя на фотографії користувача та перевірку наявності подібного користувача в базі даних реалізовано за допомогою згорткових і сіамських нейронних мереж. Аналіз та формування подібних гудків користувачів реалізовано за допомогою алгоритмів нечіткого пошуку, алгоритму Левенштейна та моделі Noisy Channel, що надало змогу максимально автоматизувати вибір користувача та оптимізувати час, витрачений на цей процес. Також створено інструменти для перегляду профілів інших користувачів, уподобань та особистого листування. Вся приватна кореспонденція та інформація про неї зберігаються в поточній базі даних. Кожен користувач ІС може переглянути всю інформацію про надіслані та отримані повідомлення. Створена ІС реалізує ідентифікацію користувачів, аналіз, відбір і подальшу соціалізацію її користувачів.

Описано розв'язування ігрової задачі призначення персоналу для роботи над проектами на основі онтологічного підходу. Суть задачі полягає у такому. Існує потреба у створенні команд для виконання декількох проектів. Кожен проект задається набором необхідних онтологічних знань. Для виконання проектів менеджери залучають кваліфікованих спеціалістів (агентів), здібності яких також задаються наборами онтологій. Склад команд повинен бути таким, щоб об'єднані онтології їх агентів покривали множини онтологій відповідних проектів. Кожен агент з певними імовірностями може прийняти послідовну участь у виконанні декількох проектів. Одночасна робота агента над різними проектами не допускається. Необхідно визначити порядок виконання проектів і відповідний йому порядок призначення персоналу. Мета дослідження - розроблення математичної моделі стохастичної гри, рекурентних марковських методів для її розв'язування, алгоритмічного та програмного забезпечення, проведення комп'ютерного експерименту, аналіз результатів та виробленням рекомендацій щодо їх практичного застосування. Метод. Для планування виконання проектів використано стохастичний ігровий алгоритм розфарбовування неорієнтованого випадкового графа. Для цього кількість вершин графа прийнята рівною кількості проектів. Ребрами з'єднано ті вершини графа проектів, для виконання яких залучено одного і того ж агента. З урахуванням відновлювальних відмов агентів зв'язки між вершинами графа динамічно змінюються. Необхідно досягнути правильного розфарбування випадкового графа. Тоді проекти з однаково зафарбованими вершинами графа можуть бути виконані паралельно, а проекти з різними кольорами вершин - послідовно. Результати. Побудовано математичну модель стохастичної гри та самонавчальний марковський метод для її розв'язування. Кожна вершина графа контролюється гравцем. Чистими стратегіями гравця є елементи палітри кольорів. Після вибору кольору власної вершини кожен гравець обчислює поточний програш як відносну кількість однакових кольорів у локальній множині сусідніх гравців. Мета гравців полягає у мінімізації функцій середніх програшів. Марковський рекурентний метод забезпечує адаптивний вибір кольорів вершин випадкового графа на основі динамічних векторів змішаних стратегій, значення яких залежать від поточних програшів гравців. Результатом стохастичної гри є асимптотично правильно розфарбований випадковий граф, коли кожному ребру початкового детермінованого графа будуть відповідати у середньому різні кольори вершин. Висновки: проведено комп'ютерний експеримент, який підтвердив збіжність стохастичної гри для задачі розфарбовування випадкового графа. Це дало можливість визначити порядок призначення персоналу для виконання проектів.

Проведено огляд та аналіз радіотехнічних систем для ближньої навігації, які застосовуються або можуть бути застосовані для вирішення навігаційних задач у військовому та цивільному сегменті авіації України. Висвітлений сучасний стан комплектування наземними навігаційними системами підрозділів військової і цивільної авіації, розглянуті проблеми переходу на нові радіотехнічні системи, наданий зрівняльний аналіз тактико-технічних характеристик систем, які представляють найбільший інтерес для військової авіації.

У березні 2022 р. опубліковано нові міжародні рекомендації щодо профілактики венозної тромбоемболії в пацієнтів після великих ортопедичних утручань (Recommendations from the International Consensus Meeting on Venous Thromboembolism). Передумовою для створення цього консенсусу послужила недосконалість наявних даних і рекомендацій щодо профілактики тромбоемболії в періопераційному періоді.

Індекс рубрикатора НБУВ: Р458.285.1-59

Рубрики:

Деформації і функціональні порушення кульшового суглоба і стегна

Шифр НБУВ: Ж26813 Пошук видання у каталогах НБУВ 

Подано особливості методів теоретичного й емпіричного дослідження, забезпечено вироблення вмінь вибору напрямів наукових досліджень, формування практичних навичок раціональної організації науково-дослідної роботи. Забезпечено оволодіння вміннями відбору й аналізу наукових джерел, визначення предмета, об’єкта, мети і завдань наукового дослідження, оформлення наукових досліджень у вигляді тез, наукових доповідей, магістерської роботи; забезпечено засвоєння правил цитування, бібліографічних посилань; забезпечено вироблення вмінь наукового обґрунтування результатів дослідження та презентації їх тощо. Належну увагу приділено особливостям проведення експериментальних досліджень і розрахунку економічної ефективності наукових досліджень.

Шифр НБУВ: Ж69879 Пошук видання у каталогах НБУВ