Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/34031
Назва: Підвищення ефективності роботи книгарні за рахунок сегментації споживачів
Інші назви: Increase of bookshop efficiency due to customers segmentation
Автори: Валігура, Марта Вікторівна
Valihura, Marta Viktorivna
Приналежність: ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м.Тернопіль, Україна
Бібліографічний опис: Валігура М. В. Підвищення ефективності роботи книгарні за рахунок сегментації споживачів : дипломна робота магістра за спеціальністю „122 — комп’ютерні науки“ / М. В. Валігура. — Тернопіль : ТНТУ, 2020. — 96 с.
Дата публікації: 20-гру-2020
Дата подання: 22-гру-2020
Дата внесення: 19-січ-2021
Країна (код): UA
Науковий керівник: Щербак, Леонід Миколайович
Члени комітету: Стадник, Марія Андріївна
УДК: 004.056
Теми: 122
комп’ютерні науки
контентна фільтрація
content filtration
колаборативна фільтрація
collaborative filtration
кластеризація
clusterization
асоціативні правила
associative rules
рекомендаційні системи
recommendation systems
Короткий огляд (реферат): При виконанні першого розділу роботи проведено дослідження предметної області фірми по продажу товарів, а зокрема інтернет-магазину книгарні, який був аналогом для нашої розробки. Також проведено вивчення основних бізнес-процесів, які проводяться за допомогою інтернет-магазину і вияснено, що відсутність рекомендації книг може понизити продаж книг. При виконанні другого розділу проведено опис постановки завдання даного дослідження, зокрема знаходження множини книг системи, які будуть запропоновані користувачу, коли будуть враховані його вподобання. Для того, щоб розв’язати дану проблему, запропоновано провести реінжиніринг бізнес-процесів, зокрема використавши функцію рекомендування. В третьому розділі проведено опис засобів розробки системи. Наведено інструкцію користувача, яка знайомить з створеним інтерфейсом системи, а також представлено структурну схему для технічного забезпечення.
During the first section of the work, a study of the subject area of the company for the sale of goods, and in particular the online store of the bookstore, which was an analogue for our development. A study of the main business processes conducted through the online store was also conducted and it was found that the lack of book recommendations can reduce book sales. In the second section, a description of the task of this study, in particular, finding a set of books of the system, which will be offered to the user, when his preferences are taken into account. In order to solve this problem, it is proposed to reengineer business processes, in particular using the recommendation function. The third section describes the system development tools. The user's instruction which acquaints with the created interface of system is resulted, and also the block diagram for technical maintenance is presented.
Зміст: Вступ ...9 1 Огляд літературних джерел ...11 1.1 Огляд бізнес-процесів ...11 1.2 Огляд предметної області...14 1.3 Функціональна схема структури ...20 1.4 Постановка задачі ...23 1.5 Проектне рішення ...25 1.6 Висновки до першого розділу ...29 2 Огляд моделей та методів...31 2.1 Постановка задачі згідно дослідження ...33 2.2 Огляд математичної моделі ...34 2.3 Огляд методів та алгоритмів існуючих рішень ...37 2.4 Методика технології прийняття рішень для вибору алгоритмів рекомендаційної системи ...41 2.5 Створення алгоритму розв’язання ...52 2.6 Дослідження результатів ефективності даного методу ...58 2.7 Висновки до другого розділу ...60 3 Практична реалізація ...62 3.1 Технічні засоби розробки системи ...66 3.2 Правила для користувача ...71 3.3 Рекомендації щодо технічного забезпечення ...72 4 Охорона праці та безпека в надзвичайних ситуаціях ...73 4.1 Організація праці при виконанні робіт в книгарні, забезпечення нормативних умов праці ...73 4.2 Використання комп’ютерної техніки для оцінки можливої обстановки...77 4.3 Створення і функціонування системи моніторингу довкілля з метою інтеграції екологічних інформаційних систем, що охоплюють певні території .... 80 4.4 Висновки до четвертого розділу...81 Висновки ...82 Перелік літературних джерел ...83 Додатки
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/34031
Власник авторського права: © Валігура Мартія Вікторівна, 2020
Перелік літератури: 1. Вefinition of a Business-Process [Електронний ресурс]. – 2020. – Режим доступу: URL: https://www.appian.com/bpm/definition-of-a-business-process/ – Дата доступу: 13.04.2020. 2. Business Process Definition [Електронний ресурс]. – 2020. – Режим доступу: URL: https://www.comidor.com/knowledge-base/business-process-management-kb/business-process-definition/ . – Дата доступу: 13.04.2020. 3. International Market Segmentation across Consumption and Communication Categories: Identity, Demographics, and Consumer Decisions and Online Habits [Електронний ресурс]. – 2020. – Режим доступу: https://www.intechopen.com/books/promotion-and-marketing-communications /international-market-segmentation-across-consumption-and-communication-categories-identity-demograph – Дата доступу: 13.04.2020. 4. Литвак Р. Б. Вибір алгоритмічного забезпечення підтримки процесу сегментації користувачів системи та позиціювання товарів на прикладі книжкового ринку // Конференція «Інформатика та обчислювальна техніка-ІОТ-2018» –2018. – с. 186-191. 5. Підсумки розвитку наукової думки: 2018: зб. наук. праць «ΛΌГOΣ» з матеріалами міжнар. наук.-практ. конф., м. Івано-Франківськ, 5 грудня, 2018 р. Вінниця : ГО «Європейська наукова платформа», 2018. Т.4. с. 128 6. Актуальні питання в контексті розвитку сучасних наук: зб. наук. праць «ΛΌГOΣ» з матеріалами міжнар. наук.-практ. конф., », м. Дрезден, 27 січня, 2019 р. Вінниця : ГО «Європейська наукова платформа», 2018. (прийнято до друку) 7. Молчановський О. І. Метод індуктивного навчання в основі рекомендаційної системи подарунків / О. І. Молчановський, В. П. Знахуренко // Вісник Національного технічного університету України "КПІ". Інформатика, 84 управління та обчислювальна техніка. – 2013. – Вип. 58. – с. 61-67. – Електронний ресурс: http://nbuv.gov.ua/UJRN/Vkpi_iuot_2013_58_10 8. Інтернет-магазин ТОВ «Книгарня Є» – https://book-ye.com.ua/ 9. Марченко А.В. Проектування інформаційних систем [електронний ресурс] / А. В. Марченко. – К., 2016. – Режим доступу: http://elearning.sumdu.edu.ua/free_content/lectured:de1c9452f2a161439391120eef364d d8ce4d8e5e/20151030212747/content-20151030212747.pdf 10. Постіл С. Д. Комплекс лабораторних робіт на тему «Методологія структурного аналізу і проектування. Моделювання за допомогою CASE-засобу AllFussion Process Modeller (BPWin) пакету AllFussion Modeling Suite Computer Associates» з навчальної дисципліни «CASE-технології». – І. – 2014. – 70 с. 11. Melville P. Content-Boosted Collaborative Filtering for Improved Recommendations / Melville P.,Mooney R., Nagarajan R. // National Conference on Artificial Intelligence : «AAAI-2002», 20-25 July 2016, Edmonton, Canada : materials. – Edmonton, Canada : AAAI, 2002. – С. 187192. 12. Арцибасов В. Є. Методи та засоби побудови рекомендаційних систем для задач електронної комерції : автореферат дисертації на здобуття наукового ступеня кандидата технічних наук : 05.13.06 – інформаційні технології / Віталій Євгенович Арцибасов; Міністерство освіти і науки України, Національний університет «Львівська політехніка». – Львів, 2015. – 28 с. – Бібліографія: с. 19-21, Електронний ресурс: http://ena.lp.edu.ua:8080/handle/ntb/29589 13. Метелиця М. А. Методи формування та оцінювання групових рекомендацій; Міжнародний науковий журнал Інтернаука №6. – Київ, 2016. – с. 64-67, Електронний ресурс: https://elibrary.ru/item.asp?id=26469524 14. Мелешко Є.В., Семенов С.Г., Хох В.Д. Дослідження методів побудови рекомендаційних систем в мережі Інтернет; Системи управління, навігації та зв'язку №1 (47). – 2018. – с. 131-136, Електронний ресурс: https://doi.org/10.26906/SUNZ.2018.1.131 85 15. Панарин Г. С. Можливості аналізу читацьких інтересів у сучасній системі автоматизації бібліотек; Репозитарій Харківського державного університету харчування та торгівлі. – 2017. – 6 с., Електронний ресурс: http://elib.hduht.edu.ua/bitstream/123456789/2132/1/%D0%9F%D0%B0%D0%BD%D 0%B0%D1%80%D0%B8%D0%BD.pdf 16. Радчук О. В. Деякі питання розробки рекомендаційної системи для інформаційного сайту; SWorld. – 2013. – 4 с., Електронний ресурс: https://www.sworld.com.ua/konfer33/1157.pdf 17. Щербань В. С., Гайдейчук Ю. А. Рекомендаційна система вибору відеофільмів; Google Scholar. – 2016. – 4 с., Електронний ресурс: http://ir.lib.vntu.edu.ua/bitstream/handle/123456789/10841/573.pdf?sequence=3 18. Лєсна Н.С. Методи пошуку та фільтрації інформації з використанням методу колаборативної фільтрації / Н.С. Лєсна, С.М. Гайдамака // Системи обробки інформації. 2013. № 5(112). с. 80-82, Електронний ресурс: http://www.hups.mil.gov.ua/periodic-app/article/10870 19. Савчук Т. О. Застосування кластерного аналізу для колаборативної фільтрації / Т. О. Савчук, А. В. Сакалюк // Вісник Хмельницького національного університету. Серія «Технічні науки». – 2011. – № 1. – с. 186-192, Електронний ресурс: http://ir.lib.vntu.edu.ua//handle/123456789/17864 20. Вараниця С. А., Білас О. Є. Гібридні рекомендаційні системи на основі медійних вподобань користувача; Міжнародний науковий журнал Інтернаука. – Київ. 6 с., Електронний ресурс: https://www.internauka.com/uploads/public/1479375431886.pdf 21. Жежерун О. П. Побудова рекомендаційних систем на основі онтологій / Жежерун О. П., Яремко С. А. // Наукові записки НаУКМА. Комп'ютерні науки. – 2017. Т. 198. с. 36-41, Електронний ресурс: http://ekmair.ukma.edu.ua/handle/123456789/12536 19. Глибовець М.М., Конюшенко О.В. Розробка агентної рекомендаційної системи віртуального університету засобами JADE; Наукова електронна бібліотека періодичних видань НАН України; Проблеми 86 програмування. – 2015. – №1. – с. 104 – 115, Електронний ресурс: http://dspace.nbuv.gov.ua/handle/123456789/113703 20. Кучерук В.Ю., Глушко М.В. Покращення алгоритму «Item To Item» методу колаборативної фільтрації для розробки рекомендаційних систем на основі косинусної міри шляхом оцінки релевантності. – SCIENCERISE №1 (42). – Харків, 2018. – с. 20-24, Електронний ресурс: https://elibrary.ru/item.asp?id=32357205 21. Молчановський О. І. Метод індуктивного навчання в основі рекомендаційної системи подарунків / О. І. Молчановський, В. П. Знахуренко // Вісник Національного технічного університету України "КПІ". Інформатика, управління та обчислювальна техніка. – 2013. – Вип. 58. – с. 61-67. – Електронний ресурс: http://nbuv.gov.ua/UJRN/Vkpi_iuot_2013_58_10 22. Яковець М. В. Формування рекомендацій на основі моделі прихованих факторів; Міжнародний науковий журнал №6. – 2016. – с. 54-56 23. Мазурік О. Ю. Покращення результатів роботи рекомендаційних систем за допомогою алгоритму SVD / О. Ю. Мазурік // International scientific journal. – 2015. № 9. 61-64. Електронний ресурс: http://nbuv.gov.ua/UJRN/mnj_2015_9_16 24. Савицький А. Й. Методи колаборативної фільтрації для непрямих рейтингів / А. Й. Савицький, Д. В. Попович // Адаптивні системи автоматичного управління : міжвідомчий науково-технічний збірник. – 2014. – № 2(25). – с. 59–64, Електронний ресурс: http://ela.kpi.ua/handle/123456789/16434 25. Олійник А.О. Побудова асоціативних правил на основі інтелектуального стохастичного пошуку / А.О. Олійник // Математичні машини і системи. – 2015. – № 4. – с. 45-56, Електронний ресурс: http://nbuv.gov.ua/UJRN/MMS_2015_4_6 26. Gwo-Hshiung Tzeng, Jih-Jeng Huang «Multiple Attribute Decision Making. Methods and applications» CRC Press, 2011. – 335 p. 87 27. Т. Саати «Принятие решений. Метод анализа иерархий» Москва «Радио и связь», 1993. – 278 с. 28. Карпов Ю. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5, 2005. – 400 с. 30. Офіційний сайт Ubuntu – https://www.ubuntu.com/ 31. Маккинли У. Python и анализ данных. – Перевод с английского. – М.: ДМК Пресс, 2015. – 482 с. 32. Джон Скит. C# для профессионалов: тонкости программирования, 3-е издание, новый перевод = C# in Depth, 3rd ed.. – М.: «Вильямс», 2014. – 608 33. Офіційний сайт Microsoft Visual Studio в Росії – https://visualstudio.microsoft.com/ru/ 34. Офіційний сайт Atom – https://atom.io/ 35. Хейдт М. Изучаем pandas = Learning pandas. – ДМК Пресс, 2018. – 432 с. 36. Андреас Мюллер, Сара Гвидо. Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными = Introduction to Machine Learning with Python: A Guide for Data Scientists. – Вильямс, 2017. – 480 с. 37. Grinberg M. Flask Web Development. Developing web applications with Python – O’Reilly Media, 2014 – 258 p. 38. ДНАОП 52.47-1.02-96. Правила охорони праці для підприємств книжкової торгівлі [Електронний ресурс] Режим доступу: https://dnaop.com/html/43132/ doc-ДНАОП_52.47-1.02-96 – Назва з екрану. 39. Правила охорони праці для підприємств книжкової торгівлі [Електронний ресурс] Режим доступу: https://otipb.at.ua/load/pravila_okhoroni_praci_dlja_pidpriemstv_knizhkovoji_torgivli_npaop_52_47_1_02_96/2-1-0-1250 – Назва з екрану. 40. Сайт: https://studfile.net/preview/5474807/page:22/ 41. Сайт: https://kc.pnu.edu.ua/wp-content/uploads/sites/11/2018/01/Lec-3M.pdf
Тип вмісту: Master Thesis
Розташовується у зібраннях:122 — комп’ютерні науки

Файли цього матеріалу:
Файл Опис РозмірФормат 
Mag_2020_CHм_Valihura_M_V.pdf7,05 MBAdobe PDFПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора