Empreu aquest identificador per citar o enllaçar aquest ítem:
http://elartu.tntu.edu.ua/handle/lib/52142| Títol: | Методи аналізу даних та штучного інтелекту для інтелектуальної системи “розумного” туризму |
| Altres títols: | Data Analysis and Artificial Intelligence Methods for an Intelligent “Smart Tourism” System |
| Autor: | Кіндзерський, Назар Ігорович Kindzerskyi, Nazar |
| Affiliation: | Тернопільський національний технічний університет імені ім. І. Пулюя |
| Bibliographic description (Ukraine): | {ВІДКОРЕГУЙТЕ!!!} Прізвище І. Б. Назва : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 — комп’ютерні науки“ / І. Б. Прізвище. — Тернопіль: ТНТУ, РІК. — ХХ с. |
| Bibliographic reference (2015): | Кіндзерський Н. І. Методи аналізу даних та штучного інтелекту для інтелектуальної системи “розумного” туризму : робота на здобуття кваліфікаційного ступеня магістра : спец. 122 - комп’ютерні науки / наук. кер. О. В. Палка. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2026. 112 с. |
| Data de publicació: | 27-de -2026 |
| Submitted date: | 13-de -2026 |
| Date of entry: | 6-de -2026 |
| Editorial: | Тернопільський національний технічний університет імені ім. І. Пулюя |
| Country (code): | UA |
| Place of the edition/event: | Тернопіль |
| Supervisor: | Палка, Олег Вікторович Palka, Oleh |
| UDC: | 004.891.3:338.48 |
| Paraules clau: | 122 комп’ютерні науки штучний інтелект аналіз даних обробка природної мови просторова кластеризація машинне навчання персоналізація рекомендацій «розумний» туризм data analysis natural language processing spatial clustering machine learning personalized recommendations “smart” tourism |
| Page range: | 112 |
| Resum: | Кваліфікаційна робота присвячена застосуванню методів аналізу даних і штучного інтелекту для автоматичного формування персоналізованих туристичних маршрутів. В першому розділі описано концепцію «розумного» туризму, проаналізовано існуючі програмні рішення та сформульовано вимоги до системи. В другому розділі досліджено методи просторової кластеризації k-means і DBSCAN для групування локацій та виявлення географічних аномалій, а також методи промпт-інжинірингу для роботи з мовною моделлю. В третьому розділі описано реалізацію методів у веб-застосунку, проведено тестування та експериментальне дослідження на вибірці з 50 генерацій. Об'єкт дослідження: процес автоматизованого планування персоналізованих туристичних маршрутів засобами штучного інтелекту. Предмет дослідження: методи аналізу даних та машинного навчання для побудови персоналізованих туристичних рекомендацій та оптимізованих маршрутів в інтелектуальній інформаційній системі «розумного» туризму Qualification work is devoted to the application of data analysis and artificial intelligence methods for automatic generation of personalized tourist routes. The first section describes the concept of "smart" tourism, analyzes existing software solutions and formulates the system requirements. The second section investigates spatial clustering methods k-means and DBSCAN for grouping locations and detecting geographical anomalies, as well as prompt engineering methods for working with a large language model. The third section describes the implementation of the methods in a web application, testing and experimental research on a sample of 50 generations. Object of research: the process of automated planning of personalized tourist routes using artificial intelligence. Subject of research: data analysis and machine learning methods for building personalized tourist recommendations and optimized routes in an intelligent information system of "smart" tourism |
| Descripció: | Роботу виконано на кафедрі комп'ютерних наук Тернопільського національного технічного університету імені Івана Пулюя. Захист відбудеться 27.05.2026р. на засіданні екзаменаційної комісії №33 у Тернопільському національному технічному університеті імені Івана Пулюя |
| Content: | ВСТУП 9 1. АНАЛІЗ ПРЕДМЕТНОЇ ОБЛАСТІ ТА ПОСТАНОВКА ЗАДАЧІ "РОЗУМНОГО" ТУРИЗМУ 11 1.1 Концепція «розумного» туризму та її інформаційно-технологічні основи 11 1.2 Сучасні інформаційні системи та сервіси у сфері туризму 15 1.3 Застосування технологій штучного інтелекту в туристичних системах 18 1.4 Аналіз існуючих програмних рішень та їх недоліки 21 1.5 Формулювання вимог і постановка задачі 26 1.6 Висновки до першого розділу 30 2. МЕТОДИ, МОДЕЛІ ТА АРХІТЕКТУРА ІНТЕЛЕКТУАЛЬНОЇ ІНФОРМАЦІЙНОЇ СИСТЕМИ 32 2.1 Загальна архітектура інтелектуальної інформаційної системи для «розумного» туризму 32 2.2 Моделі подання та обробки туристичної інформації 37 2.3 Методи машинного навчання та рекомендаційні алгоритми 40 2.4 Використання методів обробки природної мови в системі 46 2.5 Вибір програмних засобів і технологій реалізації 50 2.6 Висновки до другого розділу 54 3. РОЗРОБКА, РЕАЛІЗАЦІЯ ТА ОЦІНКА ЕФЕКТИВНОСТІ ІНТЕЛЕКТУАЛЬНОЇ СИСТЕМИ 56 3.1 Проєктування програмної структури та бази даних 56 3.2 Реалізація інтелектуальних модулів системи 62 3.3 Розробка користувацького інтерфейсу та сценаріїв використання 67 3.4 Тестування та експериментальне дослідження роботи системи 80 3.5 Аналіз результатів та оцінка ефективності запропонованого рішення 84 3.6 Висновки до третього розділу 89 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 91 4.1 Питання щодо охорони праці 91 4.1.1 Охорона праці персоналу туристичної сфери під час організації та супроводу туристичних маршрутів 91 4.1.2 Забезпечення безпечних умов праці в туристичних об’єктах 94 4.2 Питання щодо безпеки в надзвичайних ситуаціях 96 4.2.1 Аналіз небезпечних факторів у туристичній діяльності та методи їх прогнозування 96 4.2.2 Безпека туристів під час подорожей: оцінка ризиків та заходи їх мінімізації 98 4.3 Висновки до четвертого розділу 100 ВИСНОВКИ 103 ПЕРЕЛІК ВИКОРИСТАНИХ ДЖЕРЕЛ 106 |
| URI: | http://elartu.tntu.edu.ua/handle/lib/52142 |
| ISBN: | {ВІДКОРЕГУЙТЕ!!!} Прізвище І. Б. Назва : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 — комп’ютерні науки“ / І. Б. Прізвище. — Тернопіль: ТНТУ, РІК. — ХХ с. {ВІДКОРЕГУЙТЕ!!!} Прізвище І. Б. Назва : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 — комп’ютерні науки“ / І. Б. Прізвище. — Тернопіль: ТНТУ, РІК. — ХХ с. {ВІДКОРЕГУЙТЕ!!!} Прізвище І. Б. Назва : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 — комп’ютерні науки“ / І. Б. Прізвище. — Тернопіль: ТНТУ, РІК. — ХХ с. {ВІДКОРЕГУЙТЕ!!!} Прізвище І. Б. Назва : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 — комп’ютерні науки“ / І. Б. Прізвище. — Тернопіль: ТНТУ, РІК. — ХХ с. {ВІДКОРЕГУЙТЕ!!!} Прізвище І. Б. Назва : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 — комп’ютерні науки“ / І. Б. Прізвище. — Тернопіль: ТНТУ, РІК. — ХХ с. {ВІДКОРЕГУЙТЕ!!!} Прізвище І. Б. Назва : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 — комп’ютерні науки“ / І. Б. Прізвище. — Тернопіль: ТНТУ, РІК. — ХХ с. {ВІДКОРЕГУЙТЕ!!!} Прізвище І. Б. Назва : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 — комп’ютерні науки“ / І. Б. Прізвище. — Тернопіль: ТНТУ, РІК. — ХХ с. {ВІДКОРЕГУЙТЕ!!!} Прізвище І. Б. Назва : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 — комп’ютерні науки“ / І. Б. Прізвище. — Тернопіль: ТНТУ, РІК. — ХХ с. |
| Copyright owner: | © Кіндзерський Назар Ігорович, 2026 |
| References (Ukraine): | 1. Gretzel, U., Sigala, M., Xiang, Z., & Koo, C. (2020). Smart tourism: foundations and developments. Electronic Markets, 25(3), 179–188. 2. Labunska, S., Zyma, O., & Sushchenko, S. (2022). The use of information systems as a way to ensure interaction between small and big tourism enterprises. Access to Science, Business, Innovation in Digital Economy, 16–28. 3. Palka, O., Dmytrotsa, L., Kozbur, H., & Nebesnyi, R. (2025). Smart people: the role of big data analytics in digital transformation. Proceedings of the 2nd International Workshop on Bioinformatics and Applied Information Technologies for medical purpose (BAITmp 2025), 4159, 163–174. 4. Vaz Serra, P., Seabra, C., & Caldeira, A. (2022). Smart Tourism Ecosystem perspective on the Tourism Experience: A conceptual approach. EAI Endorsed Transactions on Smart Cities, 6(4). 5. Ercan, F. (2023). Smart tourism destination: A bibliometric review. European Journal of Tourism Research, 34, 3409. 6. Li, D., Du, P., & He, H. (2022). Artificial Intelligence-Based Sustainable Development of Smart Heritage Tourism. Journal of Environmental and Public Health, 2022, 6554512. 7. Garcнa-Madurga, M.-Б., & Grillу-Mйndez, A.-J. (2023). Artificial Intelligence in the Tourism Industry: An Overview of Reviews. Administrative Sciences, 13(8), 172. 8. Ma, S., & Zhang, L. (2024). Enhancing Tourists' Satisfaction: Leveraging Artificial Intelligence in the Tourism Sector. Pacific International Journal, 7(3), 1–6. 9. Palka, O., Kunanets, N., Pasichnyk, V., Matsiuk, O., & Matsiuk, S. (2023). Comparative Analysis of Smart City Platforms. Proceedings of the 7th International Conference on Computational Linguistics and Intelligent Systems (COLINS-2023), 3403, 487-499. 10. Louati, A., Louati, H., Alharbi, M., Kariri, E., Khawaji, T., Almubaddil, Y., & Aldwsary, S. (2024). Machine Learning and Artificial Intelligence for a Sustainable Tourism: A Case Study on Saudi Arabia. Information, 15(9), 516. 11. Aliyah, Lukita, C., Pangilinan, G. A., Chakim, M. H. R., & Saputra, D. B. (2023). Examining the Impact of Artificial Intelligence and Internet of Things on Smart Tourism Destinations: A Comprehensive Study. Aptisi Transactions on Technopreneurship (ATT), 5(2sp), 12–22. 12. Khan, U., & Khan, K. A. (2024). Generative artificial intelligence (GAI) in hospitality and tourism marketing: Perceptions, risks, benefits, and policy implications. Journal of Global Hospitality and Tourism, 3(1), Article 5. 13. Hu, J., & Lin, B. (2025). What is next for travel innovation? Generative Artificial Intelligence (GAI) in tourism product development from multi-perspectives. Asia Pacific Journal of Tourism Research. 14. Палка, О. (2023). Аналіз інтегрованої архітектури розумного міста з блокчейном та IoT. Науковий вісник НЛТУ України, 33(6), 94–99. 15. Sancho Nъсez, J. C., Gуmez-Pulido, J. A., & Robina Ramнrez, R. (2024). Machine learning applied to tourism: A systematic review. WIREs Data Mining and Knowledge Discovery, 14(5), e1549. 16. Liu, L. (2022). e-Commerce Personalized Recommendation Based on Machine Learning Technology. Mobile Information Systems, 2022, 1761579. 17. Mou, N., Jiang, Q., Zhang, L., Niu, J., Zheng, Y., Wang, Y., & Yang, T. (2022). Personalized tourist route recommendation model with a trajectory understanding via neural networks. International Journal of Digital Earth, 15(1), 1738–1759. 18. Palka, O., Dmytrotsa, L., Duda, O., Kunanets, N., & Pasichnyk, V. (2024). Information and Technological Tools for Analysis and Visualization of Open Data in Smart Cities. Proceedings of the 2nd International Workshop on Computer Information Technologies in Industry 4.0 (CITI 2024), 3742, 1–12. 19. Basheer, S., Hassan, V., Farooq, S., Ashraf, F., & Ahmad, M. (2023). Evaluating E-Tourism through bibliometrics: Materials and emerging research trends. Journal of Tourismology, 9(2), 135–146. 20. Bahou, Y., Triki, R., Maвloul, M. H., & Tissaoui, K. (2024). Development of E-Tourism to Achieve Excellence and Sustainable Development in Tourism: Ha’il Region Case Study. Sustainability, 16(20), 8872. 21. Al Beruni, M., Kobra, M. K., Rahman, S., Khalil, M. I., & Rolle, J. (2025). Exploring the impact of Google Maps on tourism flourishment. Journal of Purchasing, Logistics and Supply Chain Management System, 6(1), 8–21. 22. Mokgehle, D., & Fitchett, J. M. (2024). Efficacy of Automating the Analysis of TripAdvisor Data in Tourism and Climate Studies. Tourism Planning & Development, 21(6), 959–979. 23. Tuo, Y., Wu, J., Zhao, J., & Si, X. (2025). Artificial intelligence in tourism: insights and future research agenda. Tourism Review, 80(4), 793–812. 24. Sancho Nъсez, J. C., Gуmez-Pulido, J. A., & Robina Ramнrez, R. (2024). Machine learning applied to tourism: A systematic review. WIRES Data Mining and Knowledge Discovery, 14(5), e1549. 25. Maulana, F., & Setiawan, E. B. (2024). Performance of Deep Feed-Forward Neural Network Algorithm Based on Content-Based Filtering Approach. INTENSIF: Jurnal Ilmiah Penelitian Dan Penerapan Teknologi Sistem Informasi, 8(2), 239–254. 26. Banerjee, A., Satish, A., Aisyah, F. N., Wцrndl, W., & Deldjoo, Y. (2026). Collab-REC: An LLM-based agentic framework for balancing recommendations in tourism. arXiv preprint arXiv:2508.15030v4. 27. Attouche, L., Baazizi, M.-A., Colazzo, D., Ghelli, G., Sartiani, C., & Scherzinger, S. (2024). Validation of Modern JSON Schema: Formalization and Complexity. Proceedings of the ACM on Programming Languages, 8(POPL), 1451–1481. 28. Jančařнk, A., & Dušek, O. (2024). The problem of AI hallucination and how to solve it. Proceedings of the 23rd European Conference on e-Learning (ECEL 2024). ACPI. 29. Bandi, A., Adapa, P. V. S. R., & Kuchi, Y. E. V. P. K. (2023). The Power of Generative AI: A Review of Requirements, Models, Input–Output Formats, Evaluation Metrics, and Challenges. Future Internet, 15(8), 260. 30. Ferdiansyah, F. R., Nugraha, R. W., Sofian, R., Purwanto, H., Saepudin, D., & Andriansyah, E. (2024). Implementation of K-Means and DBSCAN algorithms: A bibliometric review. Proceedings of the Widyatama International Conference on Engineering 2024 (WICOENG 2024), 252, 198–204. 31. Choo, S., & Kim, W. (2023). A study on the evaluation of tokenizer performance in natural language processing. Applied Artificial Intelligence, 37(1), 2175112. 32. Luo, Q., Zeng, W., Chen, M., Peng, G., Xiaofeng, Y., & Yin, Q. (2023). Self-attention and transformers: Driving the evolution of large language models. 2023 IEEE 6th International Conference on Information Communication and Signal Processing (ICICSP). IEEE. 33. Dehimi, N. E. H., & Tolba, Z. (2024). Attention mechanisms in deep learning: Towards explainable artificial intelligence. 2024 6th International Conference on Information Communication and Signal Processing (ICICSP). IEEE. 34. Dang, H., Mecke, L., Lehmann, F., Goller, S., & Buschek, D. (2022). How to Prompt? Opportunities and Challenges of Zero- and Few-Shot Learning for Human-AI Interaction in Creative Applications of Generative Models. In GenAICHI: Generative AI and Computer Human Interaction, Workshop at CHI'22. ACM. 35. Patlan, A. S., Sheng, P., Hebbar, S. A., Mittal, P., & Viswanath, P. (2025). Real AI agents with fake memories: Fatal context manipulation attacks on Web3 agents. arXiv preprint arXiv:2503.16248v3. 36. Herfort, B., Lautenbach, S., Porto de Albuquerque, J., Anderson, J., & Zipf, A. (2023). A spatio-temporal analysis investigating completeness and inequalities of global urban building data in OpenStreetMap. Nature Communications, 14(1), 3989. 37. Murtaza, S. M. S., et al. (2023). Comprehensive survey on hierarchical clustering algorithms and the recent developments. Artificial Intelligence Review, 56, 8219–8264. 38. Tabianan, K., Velu, S., & Ravi, V. (2022). K-Means Clustering Approach for Intelligent Customer Segmentation Using Customer Purchase Behavior Data. Sustainability, 14(12), 7243. 39. Ikotun, A. M., Ezugwu, A. E., Abualigah, L., Abuhaija, B., & Heming, J. (2023). K-means clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data. Information Sciences, 622, 178–210. 40. Nie, F., Li, Z., Wang, R., & Li, X. (2023). An effective and efficient algorithm for K-means clustering with new formulation. IEEE Transactions on Knowledge and Data Engineering, 35(4), 3424–3435. 41. Hanafi, N., & Saadatfar, H. (2022). A fast DBSCAN algorithm for big data based on efficient density calculation. Expert Systems with Applications, 203, 117501. 42. Stewart, G., & Al-Khassaweneh, M. (2022). An Implementation of the HDBSCAN Clustering Algorithm. Applied Sciences, 12(5), 2405. 43. Naidu, G., Zuva, T., & Sibanda, E. M. (2023). A review of evaluation metrics in machine learning algorithms. In R. Silhavy & P. Silhavy (Eds.), Artificial Intelligence Application in Networks and Systems: Proceedings of 12th Computer Science On-line Conference 2023, Volume 3 (pp. 15–25). Springer. 44. Thieu, N. V. (2024). PerMetrics: A framework of performance metrics for machine learning models. Journal of Open Source Software, 9(95), 6143. 45. Rainio, O., Teuho, J., & Klйn, R. (2024). Evaluation metrics and statistical tests for machine learning. Scientific Reports, 14(1), 6086. 46. Rahmanian, M., Sami, A., & Yu, Y. (2025). Challenges and feasibility of multimodal LLMs in ER diagram evaluation. Cogent Education, 12(1), Article 2590901. 47. Khamsepour, P., Cole, M., Ashraf, I., Tan, D., Puri, S., Sabetzadeh, M., & Nejati, S. (2025). The impact of critique on LLM-based model generation from natural language: The case of activity diagrams. arXiv. 48. Moezkarimi, Z., Eriksson, K., Johansson, A. A., Bucaioni, A., & Sirjani, M. (2025). Harnessing ChatGPT for model transformation in software architecture: From UML state diagrams to Rebeca models for formal verification. IEEE. 49. Mornie, M. N., Jali, N., Cheah, W. S., Mit, E., Saee, S., Jali, S. K., & Greer, D. (2025). Visualisation of user stories to UML use case diagram. Journal of Advanced Research in Applied Sciences and Engineering Technology, 63(3), 68–80. 50. Mohapatra, P. S. (2025). Artificial intelligence-driven test case generation in software development. In Intelligent assurance: Artificial intelligence-powered software testing in... (pp. 38–xx). Deep Science Publishing. 51. Palka, O., Melnyk, A., Dmytrotsa, L., Vasylenko, Y., & Klymuk, N. (2025). Dynamic test case prioritisation for mobile applications based on real user behaviour data. Proceedings of the 3rd International Workshop on Computer Information Technologies in Industry 4.0 (CITI 2025), 4057, 179–188. 52. Горбаль Р. П., Федина Л. О. Охорона праці та інформаційні системи туристичного комплексу. Охорона праці: освіта і практика та Проблеми та перспективи розвитку охорони праці : збірник наукових праць конференцій. Львів : ЛДУБЖД, 2023. 53. Турчин Р. В., Фірман В. М. Забезпечення безпеки праці персоналу та відпочинку туристів. Охорона праці: освіта і практика та Проблеми та перспективи розвитку охорони праці : збірник наукових праць конференцій. Львів : ЛДУБЖД, 2022. 54. Юдіна О. І., Язіна В. А., Вишнікіна О. В. Удосконалення системи охорони праці у сфері готельно-ресторанної справи. Економіка та суспільство. 2022. Вип. 44. 55. Нездоймінов С. Г., Галасюк С. С. Організація готельного господарства : навчальний посібник. Одеса : ОНЕУ, 2021. 265 с. 56. Горіна Г. О., Крижимінська Є. Г. Підходи до оцінки безпеки в міжнародному туризмі. Вісник Донецького національного університету економіки і торгівлі імені Михайла Туган-Барановського. Серія: Економічні науки. 2022. № 1 (51). 57. Ахмедова О. О., Єрмаков І. О. Класифікація ризиків у контексті забезпечення економічної безпеки туристичної галузі. Економіка та суспільство. 2026. Вип. 85. 58. Конох А. Безпека в туризмі: сучасний стан, проблеми, перспективи. Формування сучасних концепцій управління туризмом та готельно-ресторанним бізнесом в умовах парадигми сталого розвитку : матеріали IV Міжнар. наук.-практ. конф. (м. Запоріжжя, 5 груд. 2024 р.). Запоріжжя : ЗНУ, 2024. 59. Голод А., Базюк М. Пріоритети розвитку туристичних дестинацій у контексті гарантування безпеки туризму. Розвиток туристичної сфери в умовах глобалізації : збірник матеріалів наук. праць. Львів : ЛДУФК імені Івана Боберського, 2022. С. 231. |
| Content type: | Master Thesis |
| Apareix a les col·leccions: | 122 — комп’ютерні науки, F3 Комп’ютерні науки |
Arxius per aquest ítem:
| Arxiu | Descripció | Mida | Format | |
|---|---|---|---|---|
| 2026_KRM_SNnm-61_Kindzerskyi_NI.pdf | Дипломна робота | 5,01 MB | Adobe PDF | Veure/Obrir |
Els ítems de DSpace es troben protegits per copyright, amb tots els drets reservats, sempre i quan no s’indiqui el contrari.
Eines d'Administrador