Методи та засоби кластеризації різнотипових даних
No Thumbnail Available
Date
2023
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Національний університет «Львівська політехніка»
Abstract
Дисертаційна робота призначена для розробки методів та інструментів штучного інтелекту з метою створення користувацьких профілів на онлайн-платформі нерухомості. Ця ініціатива в перспективі дозволить оптимізувати взаємодію менеджерів системи з користувачами та підвищить задоволеність клієнтів завдяки наданню більш точних пропозицій. In the first chapter, algorithms for processing heterogeneous data, such as K-means, DBSCAN, hierarchical clustering, and fuzzy clustering, were analyzed. A number of challenges and limitations were identified, including issues of scaling, interpretation, universality, and adaptability to changing conditions and data structures. It was also discovered that not all systems currently on the market use information from unstructured or semi-structured data sources to improve their services.
Description
Keywords
ієрархічна кластеризація, k-means, mini-batch k-means, percentile, навчання без вчителя, різнотипові дані, профілювання користувача, оцінка задоволеності, безсерверна архітектура, мікросервісна архітектура, hierarchical clustering, k-means, mini-batch k-means, percentile, unsupervised learning, heterogeneous data, user profiling, satisfaction assessment, serverless architecture, microservice architecture
Citation
Ткачик О. А. Методи та засоби кластеризації різнотипових даних : дисертація на здобуття наукового ступеня доктора філософії : 122 – компʼютерні науки / Олександр Андрійович Ткачик ; Міністерство освіти і науки України, Національний університет «Львівська політехніка». – Львів, 2023. – 149 с. – Бібліографія: с. 136–148 (108 назв).