Метод та програмне забезпечення для інтелектуального аналізу відгуків користувачів платформ електронної комерції

Скорочена інформація про документ
dc.contributor.advisorОлещенко, Любов Михайлівна
dc.contributor.authorАнтоненко, Іванна Віталіївна
dc.date.accessioned2026-01-12T14:13:41Z
dc.date.available2026-01-12T14:13:41Z
dc.date.issued2025
dc.description.abstractУ конкурентному середовищі, здатність оперативно обробляти відгуки клієнтів та реагувати на них забезпечує лояльність користувачів, підвищення задоволеності та зменшення ризику втрати клієнтів. Компанії, що працюють з великою кількістю зворотнього зв’язку витрачають багато часу на перегляд, обробку даних, які цього не потребують. Автоматизоване ранжування дозволяє бізнесу фокусуватися на найважливіших відгуках (наприклад, скаргах або пропозиціях від ключових клієнтів), оптимізуючи витрати часу й зусиль. У магістерській дисертації представлено програмний метод інтелектуального аналізу текстових відгуків електронної комерції, що спирається на застосування моделі глибокого навчання з використанням векторного подання даних. Наведено показники точності передбачень запропонованого методу, а також порівняння швидкодії навчання, що використовує запропоновану архітектуру та базову. Для програмної реалізації методу було використано AWS Lambda для процесу класифікації та брокер повідомлень Amazon Simple Queue Service. Згідно з проведеним тестуванням, використання програмного забезпечення з запропонованою архітектурою дозволяє збільшити точність класифікації відгуків користувачів електронної комерції в середньому на 2%, порівняно з використанням архітектур, що передбачають застосування класичних моделей.
dc.description.abstractotherIn a competitive environment, the ability to quickly process and respond to customer feedback ensures user loyalty, increased satisfaction and reduced risk of customer churn. Companies that work with a large amount of feedback spend a lot of time reviewing and processing data that does not require it. Automated ranking allows businesses to focus on the most important reviews (for example, complaints or suggestions from key customers), optimizing time and effort. The master's thesis presents a modified software method for intelligent analysis of text reviews of e-commerce, which is based on the application of a hybrid deep learning model using vector data representation. The accuracy of predictions of the proposed method is given, as well as a comparison of the speed of training using the proposed architecture and the basic one. For the software implementation of the method AWS Lambda for the classification process and the message broker Amazon Simple Queue Service were used. According to the testing conducted, the use of software with the proposed architecture allows to increase the accuracy of classification of e-commerce user reviews by an average of 2%, compared to the use of architectures that involve the use of classical models.
dc.format.extent165 с.
dc.identifier.citationАнтоненко, І. В. Метод та програмне забезпечення для інтелектуального аналізу відгуків користувачів платформ електронної комерції : магістерська дис. : 121 Інженерія програмного забезпечення / Антоненко Іванна Віталіївна – Київ, 2025. – 165 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78038
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectпрограмне забезпечення
dc.subjectнейронні мережі
dc.subjectрозподілена система
dc.subjectглибоке навчання
dc.subjectпередбачення емоційної забарвленості відгуків
dc.subjectелектронна комерція
dc.subject.udc004.9:004.4
dc.titleМетод та програмне забезпечення для інтелектуального аналізу відгуків користувачів платформ електронної комерції
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Antonenko_magistr.pdf
Розмір:
7.89 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ПЗКС)
Магістерські роботи