Методи та засоби кластеризації різнотипових даних
| dc.contributor.affiliation | Національний університет «Львівська політехніка» | |
| dc.contributor.author | Ткачик, Олександр Андрійович | |
| dc.date.accessioned | 2024-03-21T09:08:48Z | |
| dc.date.available | 2024-03-21T09:08:48Z | |
| dc.date.issued | 2023 | |
| dc.date.submitted | 2024 | |
| dc.description.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. | |
| dc.format.pages | 149 | |
| dc.identifier.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). | |
| dc.identifier.uri | https://ena.lpnu.ua/handle/ntb/61527 | |
| dc.language.iso | uk | |
| dc.publisher | Національний університет «Львівська політехніка» | |
| dc.source.uri | https://lpnu.ua/rada-phd/97 | |
| dc.subject | 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 | |
| dc.subject.udc | 004.652 | |
| dc.title | Методи та засоби кластеризації різнотипових даних | |
| dc.title.alternative | Methods and tools for clustering heterogeneous data | |
| dc.type | Dissertation |
Files
Original bundle
1 - 5 of 5
No Thumbnail Available
- Name:
- disertaciya-metodi-ta-zasobi-klasterizacii-riznotipovikh-danikh-tkachik-o-1-1.pdf
- Size:
- 5.42 MB
- Format:
- Adobe Portable Document Format
- Description:
- Дисертаційна робота
No Thumbnail Available
- Name:
- vidguk-oponenta-govoruschenko-t-o.pdf
- Size:
- 376.36 KB
- Format:
- Adobe Portable Document Format
- Description:
- Відгук офіційного опонента
No Thumbnail Available
- Name:
- vidguk-oponenta-sachenko-o.pdf
- Size:
- 2.66 MB
- Format:
- Adobe Portable Document Format
- Description:
- Відгук офіційного опонента
No Thumbnail Available
- Name:
- vidgukrecenzentatkachikmelnikovanipidpispdf.pdf
- Size:
- 537.02 KB
- Format:
- Adobe Portable Document Format
- Description:
- Рецензія
No Thumbnail Available
- Name:
- vidguk-recenzenta-zhezhnich-p-i.pdf
- Size:
- 537.49 KB
- Format:
- Adobe Portable Document Format
- Description:
- Рецензія
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed upon to submission
- Description: