Запропоновано модель життєвого циклу контенту в системах електронної комерції. Модель описує процеси опрацювання інформаційних ресурсів у системах електронної контент-комерції та спрощує технологію автоматизації управління контентом. Проаналізовано основні проблеми електронної комерції та функціональних сервісів управління контентом.

Запропоновано функціонально-логістичну модель опрацювання комерційного контенту (КК) як етап життєвого циклу контенту в системах електронної комерції. Модель опрацювання КК описує процеси формування інформаційних ресурсів у системах електронної контент-комерції (ЕКК) і спрощує технологію управління КК. Проаналізовано основні проблеми ЕКК і функціональних сервісів опрацювання КК. Запропонована модель надає можливість створити засоби опрацювання інформаційних ресурсів у системах ЕКК і реалізувати підсистеми формування, управління та супроводу КК.

Наведено застосування породжувальних граматик у лінгвістичному моделюванні; застосовано моделювання синтаксису речення для автоматизації процесів аналізу та синтезу природномовних текстів.

Індекс рубрикатора НБУВ: У9(4УКР)421 ф

Рубрики:

Економіка окремих країн і частин світу

Шифр НБУВ: Ж43601 Пошук видання у каталогах НБУВ 

Розглянуто обгрунтування особливостей застосування технології Web Mining для визначення ключових слів. Web Mining надає можливість використати переваги контент-моніторингу тексту на основі Cтеммера Портера для визначення ключових слів. Запропоновано формальний підхід реалізації стемінгу україномовного тексту. Одержано експериментальні результати запропонованого методу для визначення ключових слів у слов'янськомовних наукових текстах технічного профілю.

Розроблено концептуальну модель системи, визначено вхідні, вихідні дані; наведено їх опис та опис вимог до системи. Для аналізу змісту сайту використано такі методи: аналіз змісту відвідувачів, аналіз необхідної кількості контенту, графічний аналіз контенту.

Досліджено застосування онтологій для задачі планування дій інтелектуальних агентів у слабкоструктурованих предметних областях. Використовуючи мову запитів до онтологій, будується простір станів, в якому функціонує інтелектуальний агент. Для зменшення розмірності простору використано оцінку до джерел інформації, на базі яких будується онтологія. Здійснено апробацію функціонування інтелектуального агента в області матеріалознавства.

Розглянуто особливості застосування технологій лінгвометрії, стилеметрії та глоттохронології для визначення стилю автора публікацій. Лінгвостатистичний аналіз авторського тексту використовує переваги контент-моніторінгу на базі методів NLP для визначення стопових слів. Квантитативний аналіз стопових слів використано для визначення степеня приналежності аналізованого тексту конкретному авторові. Запропоновано метод визначення стилю автора україномовного тексту.

Розглянуто особливості застосування технологій NLP, Information Retrieval, SEO та Web-mining для визначення стійких словосполучень у процесі ідентифікації ключових слів (КС) в опрацюванні Web-ресурсів. Лінгвостатистичний аналіз природомовного тексту використовує переваги контент-моніторінгу на базі методів NLP для ідентифікації стійких словосполучень. Квантитативний аналіз стійких словосполучень використано для визначення степеня приналежності множині КС. Запропоновано метод визначення стійких словосполучень у процесі ідентифікації КС україномовного контенту.

У даний час постійно зростає інтерес до застосування інтелектуальних систем (ІС) у різних галузях як інформаційні технології (ІТ), машинобудування, медицина, біологія, екологія, географія, юриспруденція тощо. В основі архітектури сучасних ІС використовують бази знань (БЗ), які формують відповідно до предметної області (ПО), де застосовують дану ІС. Основною частиною БЗ є онтологія як чітко структурована модель ПО, систематизований набір термінів, які пояснюють відношення об'єктів цієї ПО. Онтології є загальновизнані та широко застосовувані в таких різних галузях науки, як інженерія знань, подання знань, інформаційний пошук, управління знаннями, проектування баз даних, інформаційне моделювання та об'єктно-орієнтований аналіз. Зокрема, фірма Gartner в дослідженні ІТ-ринку віднесла використання таксономії/онтології на третє місце в десятці передових технологій у даній галузі. Тому є актуальним дослідження структур синтаксичних онтологічних БЗ, побудова та дослідження оптимальних алгоритмів синтаксичного аналізу україномовних текстів, та розроблення програмно-алгоритмічного засобу синтаксичного опрацювання текстів, наприклад, для рубрикації Інтернет-контенту, автоматичного реферування текстів, видобування знань із них, перекладу на інші мови тощо. Методами розв'язання проблеми створення консолідованого ресурсу на основі онтологічної БЗ були обрані дерева рішень, методологія IDEF5 та методології побудови онтологій. Результати роботи синтаксичного аналізу враховуються асоціативно-семантичним контекстним аналізом для оптимізації процесу побудови асоціативних зв'язків контексту між словами та словосполученнями речення всередині ієрархічної мережі онтологічної БЗ. Створено консолідований інформаційний ресурс - онтологічну БЗ синтаксичного аналізу україномовних текстових документів за допомогою Protege 3.4.7. Висновки: створено метод видобування даних на основі онтологічної БЗ та ПСУМ мови для подальшого розроблення консолідованого інформаційного ресурсу синтаксичного опрацювання текстових документів. В результаті створено БЗ онтологічного типу із ПСУМ. Синтаксична структура вхідного речення є фундаментом та каркасом для наступного не менш важливого кроку - семантичного аналізу. Дана онтологічна БЗ консолідованого ЛР синтаксичного опрацювання україномовних текстових документів виступає потужною основою для подальшого розроблення автоматизованої ІС синтаксичного аналізу україномовних текстів.

Сьогодні електронна комерція є одним з найактивніших та найбільш перспективних сегментів глобальної економіки, для якого характерним є стале зростання обсягів та активне вдосконалення засобів і технологій. Інтелектуалізація систем електронної комерції сьогодні є одним з основних трендів їх розвитку та ефективного функціонування в конкурентному середовищі. Одним з найперспективніших засобів вирішення цієї категорії задач є використання інтелектуальних агентів (ІА). Сучасний підхід до моделювання процесу підтримки прийняття рішень, зокрема, в електронній комерції використовує принцип петлі Бойда, який передбачає багаторазове повторення циклу з чотирьох послідовних взаємопов'язаних процесів (етапів): спостереження - орієнтація - прийняття рішення - дія. Згідно із гіпотезою Бойда - вища швидкість виконання циклу - точність оцінок етапів циклу забезпечує перевагу над конкурентом. Мета роботи - розроблення засобів ефективного планування дій інтелектуальних агентів систем електронної комерції в конкурентному середовищі на основі онтологій, та зведення задачі планування дій інтелектуальних агентів до задачі динамічного програмування. Розроблено математичне забезпечення та метод планування дій ІА на основі адаптивних онтологій. Цей метод можна використати для ефективного функціонування ІА у конкурентному середовищі СЕК, яке моделюється петлею Бойда. Для планування дій ІА використано адаптивну онтологію. З цією метою у загальноприйнятий трьохелементний кортеж, який задає онтологію (множина понять, відношень та їх інтерпретація), нами додано дві скалярні величини (важливість понять та відношень), які використовуються для пошуку ефективного шляху реалізації плану ІА. Така оцінка елементів онтології дає змогу звести задачу планування дій ІА в конкурентному середовищі до задачі динамічного програмування. Побудовано модель планування дій інтелектуальних агентів систем u1077 електронної комерції з використанням онтологічного підходу. Розроблено метод оцінки дій інтелектуальних агентів на основі адаптивних онтологій. Така оцінка дає змогу звести задачу планування дій до задачі динамічного програмування. Висновки: аналіз результатів дій ІА дозволяє визначити причин формування цільової аудиторії за набором характеристик функціонування СЕК. Регулюючи тематичний набір контенту, його унікальність, оперативність його формування та адекватне управління ним згідно індивідуальних потреб постійного користувача, можна моделювати межі цільової соціальної аудиторії та кількість унікальних відвідувачів з пошукових систем. На рис. 5 - 6 подані результати роботи розроблених систем у вигляді графіків, з яких випливає, що при наявності всіх типів ІА суттєво збільшується обсяг відвідувань та унікальних користувачів.

Розробленно лінгвометричний метод алгоритмічного забезпечення процесів контент-моніторінгу для розв'язання задачі автоматичного визначення автора україномовного текстового контенту на базі технології статистичного аналізу коефіцієнтів мовної різноманітності. Проведено декомпозицію методу визначення автора на підставі аналізу таких коефіцієнтів мовлення як лексична різноманітність, ступінь (міра) синтаксичної складності, зв'язність мовлення, індекси винятковості та концентрації тексту. Проаналізовано параметри авторського стилю як кількість слів у певному тексті, загальна кількість слів цього тексту, кількість речень, кількість прийменників, кількість сполучників, кількість слів із частотою 1, і кількість слів із частотою 10 і більше. Особливостями розробленого є адаптація морфологічного та синтаксичного аналізу лексичних одиниць до особливостей конструкцій україномовних слів/текстів. Тобто під час аналізу лінгвістичних одиниць типу слів враховувалась належність до частини мови та відмінювання в межах цієї частини мови. Для цього проаналізовано флексії цих слів для класифікації, виділено основи для формування відповідних алфавітно-частотних словників. Наповнення цих словників у подальшому враховувалися на наступних кроках визначення авторства тексту як розрахунок параметрів та коефіцієнтів авторського мовлення. Для індивідуального стилю письменника показовими є саме службові (стопові або опорні) слова, оскільки вони ніяк не пов'язані з темою і змістом публікації. Проведено порівняння результатів на множині 200 одноосібних робіт технічного спрямування біля 100 різних авторів за період 2001 - 2017 рр. для визначення, чи змінюються і як коефіцієнти різноманітності тексту цих авторів у різні проміжки часу. Виявлено, що для обраної експериментальної бази з понад 200 робіт найкращих результатів за критерієм щільності досягає метод аналізу статті без початкової обов'язкової інформації як анотації та ключові слова різними мовами, а також списку літератури.

Запропоновано формальний підхід щодо реалізації визначення автора україномовного тексту. Досліджено україномовні наукові тексти технічного профілю. Проаналізовано результати застосування розроблених алгоритмів автоматичного визначення автора текстового контенту на базі методів NLP і стилеметрії. Розглянуто перспективи та особливості застосування інформаційних технологій стилеметрії для визначення автора текстового контенту. Квантитативний контент-аналіз текстового контенту науково-технічного спрямування використовує переваги контент-моніторингу та контент-аналізу тексту на базі методів NLP, Web-Mining та стилеметрії для визначення множини авторів, стилі мовлення яких є подібними з досліджуваним уривком тексту. Це звужує коло пошуку у разі подальшого використаннч в методах стилеметрії для визначення ступеня приналежності аналізованого тексту конкретному авторові. Проведено декомпозицію методу визначення автора на підставі аналізу таких коефіцієнтів мовлення як лексична різноманітність, та концентрації тексту. Паралельно проаналізовано такі параметри авторського стилю як кількість слів у певному тексті, загальна кількість слів цього тексту, кількість речень, кількість прийменників, кількість сполучників, кількість слів із частотою 1, і кількість слів із частотою 10 і більше. Подальшого експериментального дослідження потребує апробація запропонованого методу для визначення ключових слів з інших категорій текстів - наукових гуманітарного профілю, художніх, публіцистичних тощо.

Досліджено процеси аналізу, інтеграції та формування контенту з врахуванням криптовалютних потреб користувача. Використовуючи розроблену формальну модель і проведений критичний аналіз методів і технологій прогнозу курсу криптовалюти, побудовано загальну архітектуру системи опрацювання контенту з різних криптовалютних Інтернет-бірж. Сформульвано загальні функціональні вимоги до інтелектуальної криптовалютної системи, орієнтованої на Інтернет-користувачів. Досліджено методи, моделі та інструменти для удосконалення ефективнішої підтримки розроблення структурних елементів моделі системи підтримки прийняття рішень з керування контентом згідно з потребами користувача. Розроблено загальні архітектури backend та fronted частин інтелектуальної криптовалютної системи. Також розроблено програмне забезпечення системи інтеграції та формування контенту з урахуванням криптовалютних потреб користувачів. Проведено аналіз результатів експериментальної апробації запропонованого методу інтеграції та формування контенту з урахуванням криптовалютних потреб користувачів. Особливість системи полягає у аналізі інформації з соціальних медіа та створення прогнозу курсів на основі зібраної інформації. Дана система надає можливість вгадати тренд напрямку курсів. Конференції певної криптовалюти, нові впровадження, державні укази різних країн задають теж напрям тренду, тому це теж треба враховувати. Для того щоб врахувати більшість випадків, потрібно постійно накопичувати інформацію по темі та сортувати по таблицях в базі даних. Даний процес відбувається за допомогою спеціальної програми бота, яка збирає та індексує інформацію. Одними з кращих можливостей системи, у порівнянні з аналогами, є швидкість генерації сторінки; присутність SSL сертифіката та шифрування TLS; більш якісніший контент, так як він оновлюється щохвилини; відсутні неактивні розділи сервісу; мобільна верстка сайту без дубляжу контенту на піддомені; автоперевірки проти засмічення пошти повідомленнями про курс. Основний акцент системи робитися на частоті оновлення на швидкості агрегації даних з Інтернет-бірж і соціальних мереж.

Розглянуто проблему проектування інтелектуальної системи комерційного поширення інформаційних продуктів із застосуванням персоналізованого підходу до відвідувачів на основі категорій і тегів цікавого відвідувачам контенту. Розроблено загальну типову архітектуру відповідної системи з використанням методів і засобів персоналізації в Інтернет-середовищі з ядром автоматичного рекомендування тегів (категорій) у вигляді нейромережі з контрольованим навчанням. Персоналізований підхід до користувача сайту призводить до більш високого коефіцієнта продаж. Розроблена система на основі сучасних методів SEO-технологій з урахування метрик оцінювання роботи інформаційно-пошукового модуля системи надає можливість підбирати релевантний контент згідно інтересів персоналізованого користувача. Система володіє класами та підкласами, до яких належать реальні комерційні інформаційні продукти, між якими побудовані логічні зв'язки, за допомогою яких відбувається інтелектуальна подача контенту на основі персоналізації потреб і зацікавлень користувача. Також на базі сучасних методів Machine Learning розроблена система навчається уточнювати результати пошуку затребуваного контенту згідно з персоналізацією вподобань користувача. Алгоритми персоналізації надають можливість пов'язати кожного користувача з списком продуктів, які найімовірніше його зацікавлять, а також можуть прогнозувати те, що клієнти можуть хотіти бачити, навіть якщо ще не знають про це. Метою інтелектуальної системи е-комерції є подача унікального контенту на базі підходу персоналізації та використання тегів. Окрім звичайного текстового введення категорій і тегів на основі зображень та опису продукту, розроблено процес автоматизації визначення тегів і категорій товару. Розпізнавання контексту за допомогою глибоких нейронних мереж тепер забезпечує технологію автоматичного додавання тегів в описи товару сайтів е-комерції. Методи можна використовувати для класифікації міміки і розпізнання емоцій.

Проведено дослідження рекомендаційних алгоритмів і виявлення переваг і недоліків. Вдосконалено метод формування рекомендацій на базі колаборативної фільтрації як Content-Based Filtering (CBF), Collaborative Filtering (CF) і гібридних методів Machine Learning (ML). Описано принципи проектування та функціональні вимоги до рекомендаційної системи у вигляді веб-додатка для вибору необхідного для користувача контенту на прикладі фільмів. Основні дослідження зосереджені на вирішенні проблем холодного старту та масштабованості в методі колаборативної фільтрації. Для ефективного вирішення цих проблем використано гібридні методи навчання. Здійснено практичну реалізацію гібридної рекомендаційної системи (ГРС) надання релевантних рекомендацій контенту на прикладі фільмів з урахуванням особистих потреб користувача на базі розробленого гібридного методу. Вдосконалено алгоритм формування рекомендацій контенту на базі колаборативної фільтрації та Machіne Learnіng для спільної фільтрації показників подібності між користувачами або товарами. Гібридний алгоритм приймає вхідну інформацію у різному вигляді, нормалізує її та формує відповідні рекомендації на базі комбінації методів CF та CBF. Machine Learning здатне визначати чинники, що впливають на підбір релевантних фільмів, що сприяє поліпшенню надання рекомендацій конкретному користувачу. Для вирішення цих завдань запропоновано новий удосконалений метод, на відміну від наявних систем рекомендацій, в основі якого є гібридні методи та Machine Learning. Дані для Machine Learning розробленої ГРС взято із MovieLens. Проаналізовано методи формування рекомендацій користувачеві, проведено огляд наявних рекомендаційних систем. Експериментальні результати показують, що показники роботи запропонованої ГРС на базі технології CF + CBF +ML є кращими, ніж у двох одиничних моделей, CF та CBF, та їх комбінацій як CF + CBF, CF + ML і CBF + ML. ГРС рекомендується використовувати для збору даних про вподобання людей у виборі товару та надання релевантних рекомендацій.

Проведено дослідження рекомендаційних алгоритмів і виявлення переваг і недоліків. Вдосконалено метод формування рекомендацій на базі колаборативної фільтрації як Content-Based Filtering (CBF), Collaborative Filtering (CF) і гібридних методів Machine Learning (ML). Описано принципи проектування та функціональні вимоги до рекомендаційної системи у вигляді веб-додатка для вибору необхідного для користувача контенту на прикладі фільмів. Основні дослідження зосереджені на вирішенні проблем холодного старту та масштабованості в методі колаборативної фільтрації. Для ефективного вирішення цих проблем використано гібридні методи навчання. Здійснено практичну реалізацію гібридної рекомендаційної системи (ГРС) надання релевантних рекомендацій контенту на прикладі фільмів з урахуванням особистих потреб користувача на базі розробленого гібридного методу. Вдосконалено алгоритм формування рекомендацій контенту на базі колаборативної фільтрації та Machіne Learnіng для спільної фільтрації показників подібності між користувачами або товарами. Гібридний алгоритм приймає вхідну інформацію у різному вигляді, нормалізує її та формує відповідні рекомендації на базі комбінації методів CF та CBF. Machine Learning здатне визначати чинники, що впливають на підбір релевантних фільмів, що сприяє поліпшенню надання рекомендацій конкретному користувачу. Для вирішення цих завдань запропоновано новий удосконалений метод, на відміну від наявних систем рекомендацій, в основі якого є гібридні методи та Machine Learning. Дані для Machine Learning розробленої ГРС взято із MovieLens. Проаналізовано методи формування рекомендацій користувачеві, проведено огляд наявних рекомендаційних систем. Експериментальні результати показують, що показники роботи запропонованої ГРС на базі технології CF + CBF +ML є кращими, ніж у двох одиничних моделей, CF та CBF, та їх комбінацій як CF + CBF, CF + ML і CBF + ML. ГРС рекомендується використовувати для збору даних про вподобання людей у виборі товару та надання релевантних рекомендацій.

Розглянуто особливості застосування технологій лінгвостатистики для ідентифікації стилістики автора текстового контенту науково-технічного профілю (НТП). Квантитативний лінгвістичний аналіз тексту використовує переваги контент-моніторінгу на базі методів NLP для визначення та аналізу множини стопових слів, ключових слів, стійких словосполучень і дослідження N-грам. Останні використовують в методах лінгвометрії для визначення приналежності аналізованого тексту конкретному авторові у відсотках. Розроблено квантитативний метод автоматичного визначення авторства текстового контенту на основі статистичного аналізу розподілу 3-грам. Запропоновано підхід реалізації визначення автора україномовного тексту НТП. Отримано експериментальні результати запропонованого методу для визначення приналежності аналізованого тексту конкретному автору за наявності еталонного авторського тексту. Застосування лінгвостатистичного аналізу 3-грам до множини статей надасть можливість сформувати підмножину подібних за лінгвістичними характеристиками публікацій. Накладання на підмножину додаткових умов у вигляді проведення статистичних і квантитативних аналізів (множини ключових слів, стійких словосполучень, стилеметричного, лігвометричного тощо) надасть можливість значно скоротити цю підмножину, уточнивши список імовірніших авторських робіт. Для якісного та ефективного аналізу контенту у ході визначення ступеня авторства конкретному автору запропоновано аналізувати еталонной текст та досліджуваного в декілька етапів: лінгвометричний аналіз коефіцієнтів різноманіття авторського мовлення, стилометричний аналіз, аналіз стійких словосполучень, лінгвостатистичний аналіз 3-грам. Для автоматизованого опрацювання тексту має велике значення не тільки частота появи тієї чи іншої категорії, а взагалі присутність в досліджуваному тексті. Кількісний підрахунок надає можливість зробити об'єктивні висновки щодо спрямованості матеріалів за кількістю вживань одиниць аналізу в досліджуваних текстах. Якісний аналіз робить те саме, але внаслідок дослідження того, чи зустрічається (і в якому контексті) певна важлива оригінальна категорія взагалі.

Описано реалізацію автоматизованого рішення для бронювання місця на парковці. Наведено архітектуру системи та основні алгоритми робочого процесу. Описано технології, що використовуються при розробці, і вибір їх обгрунтовано. Наведено результати роботи з детальним описом. Практичне значення отриманих результатів: розроблена система бронювання місць на парковці може бути впроваджена на реальних об'єктах як самостійно, так і як частина великих інтегрованих систем.