Роль методів інтерпретації машинного навчання, зокрема SHAP, в аналізі та сегментації користувачів соціальних мереж

Simple item page
dc.citation.epage84
dc.citation.journalTitleІнформація, комунікація, суспільство 2025: ICS-2025 : матеріали XIV Міжнародної наукової конференції
dc.citation.spage83
dc.contributor.affiliationЧеркаський державний технологічний університет
dc.contributor.authorОстапюк, Володимир
dc.contributor.authorГолуб, Сергій
dc.coverage.placenameЛьвів
dc.coverage.placenameLviv
dc.coverage.temporal22-24 травня 2025 року, Львів
dc.date.accessioned2025-06-05T08:08:44Z
dc.date.created2025-05-22
dc.date.issued2025-05-22
dc.description.abstractThis abstract discusses the application of machine learning methods for analyzing social network user data and their segmentation. The feasibility of building separate models for different user groups is substantiated. Emphasis is placed on the importance of model interpretation methods for understanding their decisions and determining feature influence. The SHAP (SHapley Additive exPlanations) method is considered in more detail as one of the promising tools for analyzing models built for user segments. The potential of using feature importance information, obtained through SHAP and other interpretation methods, to improve segment profiling and more effectively assign new data is discussed.
dc.format.extent83-84
dc.format.pages2
dc.identifier.citationОстапюк В. Роль методів інтерпретації машинного навчання, зокрема SHAP, в аналізі та сегментації користувачів соціальних мереж / Володимир Остапюк, Сергій Голуб // Інформація, комунікація, суспільство 2025: ICS-2025 : матеріали XIV Міжнародної наукової конференції, 22-24 травня 2025 року, Львів. — Львів : Видавництво Львівської політехніки, 2025. — С. 83–84. — (Системи штучного інтелекту та машинне навчання).
dc.identifier.citationenOstapiuk V. Rol metodiv interpretatsii mashynnoho navchannia, zokrema SHAP, v analizi ta sehmentatsii korystuvachiv sotsialnykh merezh / Volodymyr Ostapiuk, Serhii Holub // Informatsiia, komunikatsiia, suspilstvo 2025: ICS-2025 : materialy XIV Mizhnarodnoi naukovoi konferentsii, 22-24 travnia 2025 roku, Lviv. — Lviv : Lviv Politechnic Publishing House, 2025. — P. 83–84. — (Systemy shtuchnoho intelektu ta mashynne navchannia).
dc.identifier.isbn978-966-994-052-0
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/65862
dc.language.isouk
dc.publisherВидавництво Львівської політехніки
dc.publisherLviv Politechnic Publishing House
dc.relation.ispartofІнформація, комунікація, суспільство 2025: ICS-2025 : матеріали XIV Міжнародної наукової конференції, 2025
dc.relation.references[1] R. Zafarani, M. A. Abbasi, and H. Liu, Social Media Mining: An Introduction. Cambridge: Cambridge University Press, 2014. doi: 10.1017/CBO9781139088510.
dc.relation.references[2] C. C. Aggarwal, “Text Classification: Basic Models,” in Machine Learning for Text, C. C. Aggarwal, Ed., Cham: Springer International Publishing, 2018, pp. 113–157. doi: 10.1007/978-3-319-73531-3_5.
dc.relation.references[3] C. Molnar, Interpretable Machine Learning: A Guide for Making Black Box Models Explainable, 3rd ed. 2025. [Online]. Available: https://christophm.github.io/interpretable-ml-book
dc.relation.references[4] S. Lundberg and S.-I. Lee, “A Unified Approach to Interpreting Model Predictions,” Nov. 25, 2017, arXiv: arXiv:1705.07874. doi: 10.48550/arXiv.1705.07874.
dc.relation.referencesen[1] R. Zafarani, M. A. Abbasi, and H. Liu, Social Media Mining: An Introduction. Cambridge: Cambridge University Press, 2014. doi: 10.1017/CBO9781139088510.
dc.relation.referencesen[2] C. C. Aggarwal, "Text Classification: Basic Models," in Machine Learning for Text, C. C. Aggarwal, Ed., Cham: Springer International Publishing, 2018, pp. 113–157. doi: 10.1007/978-3-319-73531-3_5.
dc.relation.referencesen[3] C. Molnar, Interpretable Machine Learning: A Guide for Making Black Box Models Explainable, 3rd ed. 2025. [Online]. Available: https://christophm.github.io/interpretable-ml-book
dc.relation.referencesen[4] S. Lundberg and S.-I. Lee, "A Unified Approach to Interpreting Model Predictions," Nov. 25, 2017, arXiv: arXiv:1705.07874. doi: 10.48550/arXiv.1705.07874.
dc.relation.urihttps://christophm.github.io/interpretable-ml-book
dc.rights.holder© Національний університет “Львівська політехніка”, 2025
dc.subjectсоціальні мережі
dc.subjectаналіз даних користувачів
dc.subjectсегментація користувачів
dc.subjectмашинне навчання
dc.subjectінтерпретованість моделей
dc.subjectSHAP
dc.subjectважливість ознак
dc.titleРоль методів інтерпретації машинного навчання, зокрема SHAP, в аналізі та сегментації користувачів соціальних мереж
dc.typeConference Abstract

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
2025_Ostapiuk_V-Rol_metodiv_interpretatsii_83-84.pdf
Size:
458.04 KB
Format:
Adobe Portable Document Format
Download
Thumbnail Image
Name:
2025_Ostapiuk_V-Rol_metodiv_interpretatsii_83-84__COVER.png
Size:
1.36 MB
Format:
Portable Network Graphics
Download

License bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.78 KB
Format:
Plain Text
Description:
Download

Collections

Інформація,комунікація,суспільство (ICS-2025). – 2025 р.