Інформаційна технологія кластеризації користувачів для підготовки цільових пропозицій

Касянчик, Дмитро Олександрович

Інформаційна технологія кластеризації користувачів для підготовки цільових пропозицій

dc.contributor.advisor	Олійник, Юрій Олександрович
dc.contributor.author	Касянчик, Дмитро Олександрович
dc.date.accessioned	2019-01-31T15:49:37Z
dc.date.available	2019-01-31T15:49:37Z
dc.date.issued	2018
dc.description.abstracten	Master's dissertation: 94 pages, 21 pictures, 32 tables, 1 appendix, 30 sources. Topicality. Every day each of us receives quite a lot of information. Received information not always is relevant, which necessitates the search for sources that will be interesting and trustworthy. Most people have jobs, and many have some hobbies. In both cases, a person may face a task in learning something new, a deepening knowledge in a particular field. Also, almost every day watching movies or reading books, or listening to music. And, in order to do these actions, you must find material that will be interesting to you. Often a person diving in the huge amount of material when looking for exactly what she needs. For example, we can find up to 10, and sometimes more books on one topic, but we just don't have enough time to read all of it. In the described cases it is necessary to ask someone advice, and of course we do not always have such an opportunity. In such cases, the aid is coming a recommender system. Most of recommender systems issue proposals based on previously viewed or based on similar materials. One more significant problem of such systems is the focus on just one topic. These systems often can not cope with the role of counselor, when a person is interested in several topics. Also, if a person would like to know what is interesting to her like-minded people, then a recommendation based on previously viewed materials may simply not fit her. Therefore, it is expedient to develop a technology to unite like-minded people based on activities in social networks. Through the use of technology from data science, the system will be able to cluster users with similar interests, which will allow users to recommend that part of his range of interests. Relationship with academic programs, plans, themes. Work performed at the Department of ASOIU at the National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" within the topic ―Methods and technologies of high performance computing and performing of big data‖. Governments register number 0117U000924. 7 The goal of this research is quality improving and boosting of preparation speed of target proposals by optimizing a method of clustering users. To achieve the goal must perform the following tasks: – analyze the existing means of obtaining data on the activity of users from the following social networks: facebook, twitter; – collect data about user preferences and their activities in the facebook social network. – choose the most suitable method for the preparation of targeted offers. – select and modify the clustering method for its best use in the system being developed. – implement the algorithm of preparing the target proposals based on the selected methods. Object of research – the process of combining groups of people with common interests, and use these groups to provide targeted offers. Subject of research – methods of clustering users of social networks based on large amounts of data on their activities in these services. The scientific novelty of the results is to modify the clustering method Affinity Propagation, to the fuzzy Affinity Propagation. And using this modified clustering method in the model of preparation targeted proposals based on certain activities of users in social networks, and based on their preferences. Published works. Kasianchyk D. О. Using k-means for combining data from users of social networks [Electronic resource] / D. О. Kasianchyk / Thirteenth international scientific and practical conference (MODS. – 2018). – Chernihiv: ChNTU, June 25 – 29, 2018. – pp. 155-158. Kasianchyk D.O. Information technology of user clustering for preparation of target proposals [Electronic resource] / D. О. Kasianchyk / All-Ukrainian scientific and practical conference of young scientists and students "Information Systems and Management Technologies" (ISMT – 2018). – Kyiv: NTUU "Igor Sikorsky Kyiv Polytechnic Institute", December 29-30, 2018. – pp. 16-19.	uk
dc.description.abstractuk	Магістерська дисертація: 94 с., 21 рис., 32 табл., 1 додаток, 30 джерел. Актуальність. Кожен із нас щодня отримує досить велику кількість інформації. Не завжди отримана інформація є релевантною, що зумовлює необхідність пошуку джерел, які будуть цікавими та яким можна довіряти. Більшість людей мають роботу, також багато хто має якісь захоплення. В обох випадках перед особою може постати задача у вивченні чогось нового, в поглибленні знань в певній сфері. Також майже кожен щодня дивиться фільми або читає книги, або ж прослуховує музику. І відповідно щоб виконати ці дії перед тим потрібно знайти матеріал, який буде цікавим. Досить часто особа тоне в тій величезній кількості матеріалів, коли шукає, саме те що їй потрібно. Адже до прикладу ми можемо знайти до 10, а інколи і більше книг на одну тему, а перечитати всі в нас просто не вистачить часу. В описаних випадках виникає необхідність спитати в когось поради, і звісно не завжди в нас є така можливість. В таких випадках на допомогу, приходять саме рекомендаційні системи. Більшість рекомендаційних систем видають пропозиції на основі раніше переглянутих або на основі схожих матеріалів. Ще одною досить вагомою проблемою таких систем є спрямованість лише на якусь одну тему. Дані системи часто не справляються з роллю порадника, коли особу цікавлять декілька тем. Також у випадку, якщо людина хотіла б дізнатися, що цікаво її однодумцям, то рекомендація на основі раніше переглянутих матеріалів може їй просто не підійти Тому доцільною є розробка технології для об’єднання однодумців на основі діяльності в соціальних мережах. Завдяки застосуванню технологій з науки про дані система буде мати можливість кластеризувати користувачів зі схожими інтересами, що надасть можливість рекомендувати користувачам те, що входить в його коло інтересів. Зв'язок роботи з науковими програмами, планами, темами. Робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління 4 Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Методи та технології високопродуктивних обчислень та обробки надвеликих масивів даних». Державний реєстраційний номер 0117U000924. Мета дослідження – поліпшення якості та швидкості підготовки цільових пропозицій за рахунок удосконалення методу кластеризації користувачів.. Для досягнення мети необхідно виконати наступні завдання: – проаналізувати існуючі засоби отримання даних про діяльність користувачів з наступних соцмереж: facebook, twitter; – зібрати дані про вподобання користувача та його діяльність в соціальній мережі facebook; – обрати найбільш підходящий метод підготовки цільових пропозицій; – обрати та модифікувати метод кластеризації, для найкращого його використання в системі, що розробляється; – реалізувати алгоритм підготовки цільових пропозицій на основі обраних методів. Об’єкт дослідження – процес об’єднання користувачів в групи за спільними інтересами, та використання цих груп для надання цільових пропозицій. Предмет дослідження – методи кластеризацій користувачів соціальних мереж на основі великої кількості даних про їх діяльність в даних сервісах. Наукова новизна отриманих результатів полягає в модифікацій методу кластеризації розповсюдження схожості, за рахунок додавання властивості нечіткості. Та застосуванні модифікованого методу кластеризації в моделі підготовки цільових пропозицій на основі вподобань користувачів, та діяльності користувачів у соціальних мережах. 5 Публікації. Касянчик Д. О. Використання методу k-середніх для об'єднання користувачів за даними з соціальних мереж / Д.О. Касянчик / Тринадцята міжнародна науково-практична конференція (МОДС. – 2018). – м. Чернігів.: ЧНТУ, 25 - 29 червня 2018 р. – С. 155-158 Касянчик Д.О. Інформаційна технологія кластеризації користувачів для підготовки цільових пропозицій / Д.О. Касянчик / Всеукраїнська науково-практична конференція молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2018) – м. Київ.: НТУУ «КПІ ім. Ігоря Сікорського», 29-30 грудня 2018 р. – С. 16-19.	uk
dc.format.page	94 c.	uk
dc.identifier.citation	Касянчик, Д. О. Інформаційна технологія кластеризації користувачів для підготовки цільових пропозицій : магістерська дис. : 126 Інформаційні системи та технології / Касянчик Дмитро Олександрович. – Київ, 2018. – 94 c.	uk
dc.identifier.uri	https://ela.kpi.ua/handle/123456789/26158
dc.language.iso	uk	uk
dc.publisher.place	Київ	uk
dc.subject	фронтофіс	uk
dc.subject	кластеризація	uk
dc.subject	соціальні мережі	uk
dc.subject	рекомендації	uk
dc.subject	великі дані	uk
dc.subject	бекофіс	uk
dc.subject	clustering	uk
dc.subject	recommendations	uk
dc.subject	social networks	uk
dc.subject	big data	uk
dc.subject	back-office	uk
dc.subject	front-office	uk
dc.subject.udc	004.021	uk
dc.title	Інформаційна технологія кластеризації користувачів для підготовки цільових пропозицій	uk
dc.type	Master Thesis	uk