Технічні науки Українською Відкритий доступ
Система аналізу великих баз даних з використанням дерев розв’язків
Бовсуновська Катерина Сергіївна, Кравець Олексій Володимирович
Міжнародний науковий журнал «Інтернаука», № 21, грудень 2023
Анотація
Вступ. Зростання потужності комп'ютерів та інтернету призвело до значного збільшення обсягів даних, що збираються організаціями та особами, і цей тренд лише зростає. Таке зростання впливає на багато наук, змінюючи підходи в медицині, біології, соціології та інших галузях. Сучасні технічні розвитки дозволяють застосовувати складні алгоритми, штучні нейронні мережі, та імітаційні моделі для розв'язання задач, які раніше вимагали експертного підходу. Зростання обчислювальних потужностей також дозволило використовувати алгоритми, що раніше були обмежені науковим інтересом, для реальних багатовимірних завдань. Великі дані все більше проникають у малий і середній бізнес, не тільки для аналізу власної статистики, але й для використання даних великих операторів в аналітичних цілях. При цьому підприємці стикаються з високими витратами на використання таких даних, відсутністю кваліфікованих спеціалістів та необхідних обчислювальних потужностей. Метою дослідження є розробка концепції, моделювання, конструювання та програмна реалізація спеціалізованої рекомендаційної системи, що використовує гібридну модель. Джерелом даних для системи є експертні знання та додаткова інформація про лікарські засоби, включаючи склад, аналоги, протоколи лікування та оцінки їх успішності. Проект надає підприємствам можливість доступу до високоякісних аналітичних інструментів, мінімізуючи потребу у значних інвестиціях у розвиток власних аналітичних відділів. Методами та інструментами дослідження є машинне навчання та штучні нейронні мережі; метод ранжування, що базується на сесіях взаємодії з користувачем та алгоритмі RankBoost; метод градієнтного бустінгу та його реалізації XGBoost; моделювання та конструювання програмного забезпечення в нотації UML. Результати. В роботі розроблено концепцію, сконструйовано та реалізовано програмно запропоновану модель рекомендаційної системи. Після більш глибокого тестування та налаштування, а також розширення інформаційного базису системи, вона може бути застосована як комерційний проект. Перспективи. В подальших дослідження пропонується зосередити увагу на розширені інформаційної бази функціонування системи та збільшенні кількості функцій. Також доцільним є впровадження метрик оцінки якості рекомендацій, що можуть бути використані в алгоритмі самостійного додаткового навчання алгоритмів системи та при тонкому налаштуванні параметрів цих алгоритмів.
Ключові слова: рекомендаційна система; ранжування; сесія користувача; хмарна система; експертний метод; гібридна модель
English
System for analyzing large databases using decision trees
Abstract. Summary. Introduction. The growth in computer power and the internet has led to a significant increase in the volumes of data collected by organizations and individuals, and this trend is only growing. This growth affects many sciences, changing approaches in medicine, biology, sociology, and other fields. Modern technical developments allow the use of complex algorithms, artificial neural networks, and simulation models to solve tasks that previously required an expert approach. The increase in computational power has also enabled the use of algorithms that were previously limited to scientific interest for real multidimensional tasks. Big data is increasingly penetrating small and medium-sized businesses, not only for analyzing their own statistics but also for using the data of large operators for analytical purposes. In this case, entrepreneurs face high costs of using such data, a lack of qualified specialists, and necessary computational capacities. Purpose is to develop a concept, model, construct, and implement a specialized recommendation system that uses a hybrid model. The source of data for the system includes expert knowledge and additional information about medical substances, including composition, analogs, treatment protocols, and their success rates. The project provides businesses with access to high-quality analytical tools, minimizing the need for significant investments in developing their own analytical departments. Materials and methods include machine learning and artificial neural networks; a ranking method based on user interaction sessions and the RankBoost algorithm; the gradient boosting method and its XGBoost implementation; modeling and constructing software in UML notation. Results. The paper develops a concept, constructs, and implements the proposed model of the recommendation system. After more extensive testing and calibration, as well as expanding the system's information base, it can be applied as a commercial project. Discussion. Further research proposes to focus on expanding the information base of the system's operation and increasing the number of functions. It is also advisable to introduce metrics for evaluating the quality of recommendations, which can be used in the algorithm for self-learning of the system's algorithms and for fine-tuning the parameters of these algorithms.
Keywords: recommendation system; ranking; user session; cloud system; expert method; hybrid model
Як цитувати
Бовсуновська К. С., Кравець О. В. Система аналізу великих баз даних з використанням дерев розв’язків // Міжнародний науковий журнал "Інтернаука". — 2023. — №21. https://doi.org/10.25313/2520-2057-2023-21-9513
@article{internauka9513,
author = {Бовсуновська, Катерина Сергіївна and Кравець, Олексій Володимирович},
title = {Система аналізу великих баз даних з використанням дерев розв’язків},
journal = {Міжнародний науковий журнал «Інтернаука»},
year = {2023},
number = {21},
doi = {10.25313/2520-2057-2023-21-9513},
url = {https://www.inter-nauka.com/issues/2023/21/9513}
}
TY - JOUR AU - Бовсуновська, Катерина Сергіївна AU - Кравець, Олексій Володимирович TI - Система аналізу великих баз даних з використанням дерев розв’язків JO - Міжнародний науковий журнал «Інтернаука» PY - 2023 IS - 21 SN - 2520-2057 DO - 10.25313/2520-2057-2023-21-9513 UR - https://www.inter-nauka.com/issues/2023/21/9513 LA - uk ER -