Výsledky vyhledávání - "рекомендательные системы"

1

RECOMMENDATION SYSTEMS IN DEVELOPMENT AND CONSTRUCTION

Zdroj: Journal of Monetary Economics and Management. :15-19

Témata: искусственный интеллект, девелопмент, большие базы данных, строи- тельство, многоквартирные дома, рекомендательные системы

Nájsť tento článok vo Web of Science

2

Принцип работы рекомендательных систем и их влияние на человека на примере «YouTube» ; The principle of operation of recommender systems and their impact on people using YouTube as an example

Autoři: Тагиров Марк Ильич ФГБОУ ВО «Кубанский государственный аграрный университет им. И.Т. Трубилина» Mark I. Tagirov a další

Zdroj: Relevant issues of management, economics and economic security; ; Актуальные проблемы менеджмента, экономики и экономической безопасности

Témata: зависимость, искусственный интеллект, artificial intelligence, машинное обучение, machine learning, алгоритмы, персонализация, personalization, algorithms, addiction, YouTube, большие языковые модели, recommender systems, information bubble, large language models, рекомендательные системы, информационный пузырь

Popis souboru: text/html

Relation: info:eu-repo/semantics/altIdentifier/isbn/978-5-908083-01-0; https://phsreda.com/e-articles/10796/Action10796-151866.pdf; Цифровая экономика: 2024: краткий статистический сборник / В.Л. Абашкин, Г.И. Абдрахманова, К.О. Вишневский [и др.]; Нац. исслед. ун-т «Высшая школа экономики». – М.: ИСИЭЗ ВШЭ, 2024. – 124 с.; [Электронный ресурс]. – Режим доступа: https://rosstat.gov.ru/statistics/infocommunity/publications (дата обращения: 20.11.2025).; Смоленчук Т.В. Метод коллаборативной фильтрации для рекомендательных сервисов / Т.В. Смоленчук // Вестник науки и образования. – 2019. – №22–1 (76) [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/metod-kollaborativnoy-filtratsii-dlya-rekomendatelnyh-servisov (дата обращения: 20.11.2025).; Исаков Д.М. Рекомендательные алгоритмы как современный метод адаптации к изменившимся условиям рынка труда / Д.М. Исаков, А.А. Корзинов, А.В. Иванов // Экономика: вчера, сегодня, завтра. – 2025. – Т. 15. №3А. – С. 20–32. – EDN QXTXFB; Российские ИТ-тренды 2025 года: исследование Высшей школы бизнеса НИУ ВШЭ [Электронный ресурс]. – Режим доступа: https://companies.rbc.ru/news/0XoTstYUkB/rossijskie-it-trendyi-2025-goda-issledovanie-vyisshej-shkolyi-biznesa-niu-vshe (дата обращения: 20.11.2025).; Новокшонова П.Н. «Информационный пузырь» и медиапотребление / П.Н. Новокшонова, Т.В. Тарасенко // Актуальные проблемы авиации и космонавтики. – 2021 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/informatsionnyy-puzyr-i-mediapotreblenie (дата обращения: 20.11.2025).; Красиков В.И. Как алгоритмы социальных сетей и социально-психологические уязвимости формируют участников радикальных онлайн-сообществ / В.И. Красиков, В.И. Кудашов // Журнал СФУ. Гуманитарные науки. – 2023. – №12 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/kak-algoritmy-sotsialnyh-setey-i-sotsialno-psihologicheskie-uyazvimosti-formiruyut-uchastnikov-radikalnyh-onlayn-soobschestv (дата обращения: 20.11.2025). EDN GYEVEV; Терещенко О.В. Беспорядок и преступность как одно из последствий всемирного процесса глобализации / О.В. Терещенко // Национальное здоровье. – 2016. – №1–2. – С. 191–199. – EDN YHRNRV.; Российские информационные вызовы и ответы на них / Г.В. Арустамян, Д.О. Шестак, Р.А. Дилбандян, О.В. Терещенко // Культура Мира. – 2025. – Т. 13. №47 (4). – С. 181–195. – EDN IKDNZR.; Роль больших языковых моделей в интегрированных средах разработки нового поколения / А.Ю. Ишанхонов, Д.В. Пшиченко, Е.А. Можаровский, А.С. Алуев // Программные системы и вычислительные методы. – 2024. – №4 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/rol-bolshih-yazykovyh-modeley-v-integrirovannyh-sredah-razrabotki-novogo-pokoleniya (дата обращения: 20.11.2025). DOI 10.7256/2454-0714.2024.4.72022. EDN KMTOBG; Балановский В.В. Методические рекомендации и материалы по информационной гигиене в молодежной среде: учебное электронное издание / В.В. Балановский. – Калининград: Изд-во БФУ им. И. Канта, 2023. – 40 с. EDN QDSJQF; https://phsreda.com/article/151866/discussion_platform

Dostupnost: https://phsreda.com/article/151866/discussion_platform
https://phsreda.com/files/Books/10796/Cover-10796.jpg?req=151866

View record from BASE

Nájsť tento článok vo Web of Science

3

Development of recommendation systems to improve the efficiency of regulated procurement in the electric power industry ; Разработка рекомендательных систем для повышения эффективности регулируемых закупок в электроэнергетике

Autoři: Денисова, Анна И. Созаева, Джамиля А. Гончар, Константин В.

Zdroj: Business Informatics; Vol 19 No 2 (2025); 25-40 ; Бизнес-информатика; Том 19 № 2 (2025); 25-40 ; 2587-8158 ; 2587-814X ; 10.17323/2587-814X.2025.2

Témata: recommender systems, efficiency of regulated procurement, probability of winning in public procurement, personalized recommendations, “non-closing” of tenders, competition in procurement, рекомендательные системы, эффективность регулируемых закупок, вероятность победы в госзакупках, персонализированные рекомендации, «незакрытие» торгов, конкуренция в закупках

Popis souboru: application/pdf

Relation: https://bijournal.hse.ru/article/view/27538/22616; https://bijournal.hse.ru/article/view/27538/22617; https://bijournal.hse.ru/article/view/27538

Dostupnost: https://bijournal.hse.ru/article/view/27538
https://doi.org/10.17323/2587-814X.2025.2.25.40

View record from BASE

Nájsť tento článok vo Web of Science

4

Avenues for artificial intelligence in library and information services ; Применение возможностей искусственного интеллекта в информационно-библиотечной деятельности

Autoři: I. A. Mitroshin И. А. Митрошин

Zdroj: Scientific and Technical Libraries; № 1 (2025); 120-134 ; Научные и технические библиотеки; № 1 (2025); 120-134 ; 2686-8601 ; 1027-3689

Témata: популяризация науки, specialized library, artificial intelligence, computerized learning, intellectual analysis, analytical and recommendation system, science popularization, искусственный интеллект, машинное обучение, интеллектуальный анализ, аналитические и рекомендательные системы

Popis souboru: application/pdf

Relation: https://ntb.gpntb.ru/jour/article/view/1450/1064; Нещерет М. Ю. Нейросети в библиотеке: новое в библиографическом обслуживании // Научные и технические библиотеки. 2024. № 1. С. 105–128. https://doi.org/10.33186/1027-3689-2024-1-105-128.; Shrayberg Ya. L., Boronina N. V. The Capabilities of a Research Library to Enhance Cultural and Leisure Activities in the Digital Environment: Foreign Experience and Domestic Reality // Scientific and Technical Information Processing. 2021. Vol. 48, № 4. P. 284–289.; Шрайберг Я. Л. Цифровизация, пандемия, экология языка, рынок информационных и образовательных услуг и библиотеки: курс на выживание и устойчивое развитие : Ежегодный доклад Шестого международного профессионального форума «Крым-2021» // Научные и технические библиотеки. 2021. № 9. C. 13–72.; Боронина Н. В. ИРНП-деятельность как неотъемлемая часть деятельности научных библиотек в эпоху цифровизации общества // Научные и технические библиотеки. 2022. № 4. C. 78–89.; Young J. C., Boyd B., Yefimova K., Wedlake S., Coward Ch., Hapel R. The role of libraries in misinformation programming: a research agenda // Journal of Librarianship and Information Science. 2020. Vol. 53, № 4. Р. 539–550. DOI 10.1177/0961000620966650; Савин Г. И. Единое цифровое пространство научных знаний: цели и задачи // Информационные ресурсы России. 2020. № 5. С. 3–5.; Митрошин И. А. Популяризация науки в научных и технических библиотеках // Библиотека и культурное пространство региона: материалы III Всероссийской научно- практической конференции : в 2 ч. Пермь, 10–11 ноября 2022 г. Пермь : Пермский государственный институт культуры, 2023. С. 177–183.; De la Torre-López J., Ramírez A., Romero J. R. Artificial intelligence to automate the systematic review of scientific literature // Computing. 2023. 105. С. 2171–2194. DOI 10.1007/s00607-023-01181-x.; Roth S., Wermer-Colan A. Machine Learning Methods for Systematic Reviews: A Rapid Scoping Review // Delaware Journal of Public Health. 2023. Vol. 9, № 4. P. 40–47. DOI 10.32481/djph.2023.11.008.; Pang L., Xu J., Ai Q., Lan Y., Cheng X., Wen J. SetRank: Learning a Permutation-Invariant Ranking Model for Information Retrieval // SIGIR '20: Proceedings of the 43rd International ACM SIGIR Conference on Research and Development in Information Retrieval. 2020. P. 499–508. DOI 10.1145/3397271.3401104. URL: https://arxiv.org/pdf/1912.05891 (accessed: 31.07.2024).; Ai Q., Wang X., Bruch S., Golbandi N., Bendersky M., Najork M. Learning Groupwise Multivariate Scoring Functions Using Deep Neural Networks // ICTIR '19: Proceedings of the 2019 ACM SIGIR International Conference on Theory of Information Retrieval. 2019. P. 85– 92. DOI 10.1145/3341981.3344218. URL: https://arxiv.org/pdf/1811.04415 (accessed: 31.07.2024).; Wu J., Huang J., Ye Z. Learning to rank diversified results for biomedical information retrieval from multiple features // BioMedical Engineering OnLine. 2014. № 13 (Suppl 2). S3. DOI 10.1186/1475-925X-13-S2-S3.; Ludewig M., Mauro N., Latifi S., Jannach D. Performance comparison of neural and nonneural approaches to session-based recommendation // RecSys '19: Proceedings of the 13th ACM Conference on Recommender Systems. 2019. P. 462–466. DOI 10.1145/3298689.3347041.; Bi X., Qu A., Shen X. Multilayer tensor factorization with applications to recommender systems // Annals of Statistics. 2018. Vol. 46 (6B). P. 3303–3333. DOI 10.1214/17-AOS1659.; Bi X., Qu A., Wang J., Shen X. A group-specific recommender system // Journal of the American Statistical Association. 2017. V. 112 (519). P. 1344–1353. DOI 10.1080/01621459.2016.1219261.; Парыгин Д. С., Стрекалова А. С., Гуртяков А. С., Адання С. Г., Пивоваров В. В. Применение рекомендательных технологий в системах с пространственной информацией // Прикаспийский журнал: управление и высокие технологии. 2019. Т. 45, № 1. С. 96–109.; Митрошин И. А. Продвижение сайта научной библиотеки // Научные и технические библиотеки. 2022. № 10. С. 115–129. DOI 10.33186/1027-3689-2022-10-115-129.; Митрошин И. А. Информационная поддержка библиотеками инновационной деятельности: опыт Библиотеки по естественным наукам РАН // Управление наукой: теория и практика. 2023. Т. 5, № 3. С. 169–184. DOI 10.19181/smtp.2023.5.3.11.; Земсков А. И., Телицына А. Ю. Демонстрация возможностей чата GPT в библиотечной деятельности // Научные и технические библиотеки. 2024. № 4. С. 131–145. DOI 10.33186/1027-3689-2024-4-131-145.; Моисеева Н. А. Технологии искусственного интеллекта в информационно-библиотечных системах // Научные и технические библиотеки. 2024. № 5. С. 85–101. DOI 10.33186/1027-3689-2024-5-85-101.; https://ntb.gpntb.ru/jour/article/view/1450

Dostupnost: https://ntb.gpntb.ru/jour/article/view/1450
https://doi.org/10.33186/1027-3689-2025-1-120-134

View record from BASE

Nájsť tento článok vo Web of Science

5

Сравнительный анализ алгоритмов рекомендательных систем

Témata: методы фильтрации, фильтрация на основе содержания, алгоритм фильтрации, модели фильтрации, рекомендательные системы, коллаборативная фильтрация

Popis souboru: application/pdf

Přístupová URL adresa: https://elib.belstu.by/handle/123456789/68522

View record at OpenAIRE

Nájsť tento článok vo Web of Science

6

Применение графовые нейронные сети и его модификации с обучения с подкреплением в системах рекомендаций

Témata: AutoCF, Обучение с подкреплением, Графовые нейронные сети, Skip-connection, NDCG@20, LightGCL, MGDCF, Контрастивное обучение, XSimGCL, Двойная глубокая Q-сеть, Рекомендательные системы, Гибридная модель GNN-RL, GFormer

Nájsť tento článok vo Web of Science

7

Применение графовые нейронные сети и его модификации с обучения с подкреплением в системах рекомендаций

Témata: AutoCF, Обучение с подкреплением, Графовые нейронные сети, Skip-connection, NDCG@20, LightGCL, MGDCF, Контрастивное обучение, XSimGCL, Двойная глубокая Q-сеть, Рекомендательные системы, Гибридная модель GNN-RL, GFormer

Nájsť tento článok vo Web of Science

8

Интеграция графовых технологий в SQL-базы данных

Autoři: Pînzaru, C. Saranciuc, D.I.

Zdroj: Conferinţa tehnico-ştiinţifică a studenţilor, masteranzilor şi doctoranzilor (Vol.1)

Témata: базы данных SQL, социальные сети, графовые пути, анализ данных, оптимизация запросов, рекомендательные системы

Popis souboru: application/pdf

Přístupová URL adresa: https://ibn.idsi.md/vizualizare_articol/224382

View record at OpenAIRE

Nájsť tento článok vo Web of Science

9

Выявление экономических сговоров метриками квантовой запутанности

Autoři: Evgeny Semenenko Anna Belolipetskaya Rodion Yuriev a další

Zdroj: Информатика и автоматизация, Vol 22, Iss 2, Pp 416-446 (2023)

Témata: сговор, картель, принятие решений, квантовая вероятность, квантовая запутанность, поведенческое моделирование, рекомендательные системы, Electronic computers. Computer science, QA75.5-76.95

Popis souboru: electronic resource

Relation: http://ia.spcras.ru/index.php/sp/article/view/15526; https://doaj.org/toc/2713-3192; https://doaj.org/toc/2713-3206

Přístupová URL adresa: https://doaj.org/article/9872f3778dd94135a920e72d660d744e

View record in DOAJ

Full Text Finder

Nájsť tento článok vo Web of Science

10

Artificial intelligence in libraries: Theoretical approaches and practical solutions (on the conclusions of the scientific and practical conference “Artificial Intelligence in Library and Information Services”) ; Искусственный интеллект в деятельности библиотек: теоретические подходы и практические решения (к итогам научно-практической конференции «Применение искусственного интеллекта в библиотечно-информационной деятельности»)

Autoři: V. K. Stepanov В. К. Степанов

Zdroj: Scientific and Technical Libraries; № 11 (2024); 15-30 ; Научные и технические библиотеки; № 11 (2024); 15-30 ; 2686-8601 ; 1027-3689

Témata: ИНИОН, AI, generative language models, library process, reading list, uniform cataloguing, document information conversion, scientific and practical conference, RAS Institute for Scientific Information for Social Sciences, INION, генеративные языковые модели, библиотечные процессы, рекомендательные системы чтения, каталогизация однотипных изданий, свёртывание информации о документах, научно-практическая конференция, Институт научной информации по общественным наукам

Popis souboru: application/pdf

Relation: https://ntb.gpntb.ru/jour/article/view/1413/1039; Cher Patrick. “AI in Focus: Artificial Intelligence and Libraries” Conference. IFLA IT Section Mid-term Satellite Conference Singapore, Singapore. URL: https://repository.ifla.org/bitstream/123456789/2622/1/Cher%20-%20TILT%202%20-%202023.pdf (Accessed: 27.06.2024).; Указ Президента Российской Федерации от 15 февраля 2024 г. № 124 «О внесении изменений в Указ Президента Российской Федерации от 10 октября 2019 г. № 490 “О развитии искусственного интеллекта в Российской Федерации”». URL: http://www.kremlin.ru/acts/bank/44731/page/1 (дата обращения: 27.06.2024).; Национальная стратегия развития искусственного интеллекта на период до 2030 года (Утверждена Указом Президента Российской Федерации от 10 октября 2019 г. № 490). URL: https://www.consultant.ru/document/cons_doc_LAW_335184/1f32224a00901db9cf44793e9a5e35567a4212c7/ (дата обращения: 27.06.2024).; https://ntb.gpntb.ru/jour/article/view/1413

Dostupnost: https://ntb.gpntb.ru/jour/article/view/1413
https://doi.org/10.33186/1027-3689-2024-11-15-30

View record from BASE

Nájsť tento článok vo Web of Science

11

A METHOD OF COMPUTER SIMULATION MODELING OF USER AND BOT BEHAVIOR IN A RECOMMENDATION SYSTEM USING THE GRAPH DATABASE NEO4J

Autoři: Yelyzaveta Meleshko Mykola Yakymenko Viktor Bosko

Zdroj: Сучасний стан наукових досліджень та технологій в промисловості, Iss 3 (17) (2021)
Innovative Technologies and Scientific Solutions for Industries; No. 3 (17) (2021): Innovative Technologies and Scientific Solutions for Industries; 23-31
Современное состояние научных исследований и технологий в промышленности; № 3 (17) (2021): Современное состояние научных исследований и технологий в промышленности; 23-31
Сучасний стан наукових досліджень та технологій в промисловості; № 3 (17) (2021): Сучасний стан наукових досліджень та технологій в промисловості; 23-31

Témata: 0301 basic medicine, social networks, databases, социальные сети, рекомендаційні системи, программное моделирование, bot network, мережа ботів, веб-сайти, атаки инъекцией профилей, TA177.4-185, имитационное моделирование, програмне моделювання, сеть ботов, 03 medical and health sciences, сложные сети, social graph, profile-injection attacks, simulation modeling, соціальний граф, computer modeling, 0303 health sciences, recommendation systems, базы данных, социальный граф, complex networks, рекомендательные системы, імітаційне моделювання, соціальні мережі, websites, складні мережі, Engineering economy, веб-сайты, бази даних, атаки ін'єкцією профілів

Popis souboru: application/pdf

Přístupová URL adresa: http://journals.uran.ua/itssi/article/download/242911/240772
https://doaj.org/article/91dc7da58f594ba39f827a22a682c4c0
http://journals.uran.ua/itssi/article/view/242911

View record at OpenAIRE

Nájsť tento článok vo Web of Science

12

Context-Aware Approach to Intelligent Decision Support Based on User Digital Traces

Autoři: Alexander Viktorovich Smirnov Tatiana Viktorovna Levashova

Zdroj: Информатика и автоматизация, Vol 19, Iss 5, Pp 915-941 (2020)

Témata: интеллектуальная поддержка принятия решений, модель жизни пользователя в цифровой среде, Electronic computers. Computer science, 11. Sustainability, 0202 electrical engineering, electronic engineering, information engineering, группирование пользователей, QA75.5-76.95, 02 engineering and technology, 16. Peace & justice, 7. Clean energy, рекомендательные системы, 12. Responsible consumption

Přístupová URL adresa: http://ia.spcras.ru/index.php/sp/article/download/13765/14422
https://doaj.org/article/9e4189dd9efb4c36a7aa163f411c4a1d
http://proceedings.spiiras.nw.ru/index.php/sp/article/download/13765/14422
http://ia.spcras.ru/index.php/sp/article/view/13765
http://proceedings.spiiras.nw.ru/index.php/sp/article/view/13765

View record at OpenAIRE

Full Text Finder

Nájsť tento článok vo Web of Science

13

THE IMPROVED MODEL OF USER SIMILARITY COEFFICIENTS COMPUTATION FOR RECOMMENDATION SYSTEMS

Autoři: Meleshko, Yelyzaveta Drieiev, Oleksandr Al-Oraiqat, Anas Mahmoud

Zdroj: Сучасні інформаційні системи, Vol 4, Iss 3 (2020)
Сучасні інформаційні системи; Том 4 № 3 (2020): Сучасні інформаційні системи; 52-61
Advanced Information Systems; Vol. 4 No. 3 (2020): Advanced Information Systems; 52-61
Современные информационные системы-Sučasnì ìnformacìjnì sistemi; Том 4 № 3 (2020): Современные информационные системы; 52-61

Témata: FOS: Computer and information sciences, Information theory, similarity coefficients, коэффициенты подобия, recommendation systems, аналіз даних, рекомендаційні системи, data analysis, 02 engineering and technology, оптимизация, рекомендательные системы, Computer Science - Information Retrieval, колаборативна фільтрація, QA76.75-76.765, collaborative filtering, анализ данных, 0202 electrical engineering, electronic engineering, information engineering, 004.67, оптимізація, коефіцієнти подоби, Computer software, Q350-390, optimization, коллаборативная фильтрация, Information Retrieval (cs.IR)

Popis souboru: application/pdf

Přístupová URL adresa: http://ais.khpi.edu.ua/article/download/2522-9052.2020.3.06/213321
http://arxiv.org/abs/2011.05057
https://doaj.org/article/80b35099cc0348eda1528b45c45da792
https://dblp.uni-trier.de/db/journals/corr/corr2011.html#abs-2011-05057
http://ais.khpi.edu.ua/article/view/2522-9052.2020.3.06
http://ais.khpi.edu.ua/article/download/2522-9052.2020.3.06/213321
https://arxiv.org/abs/2011.05057
http://ui.adsabs.harvard.edu/abs/2020arXiv201105057M/abstract
https://arxiv.org/pdf/2011.05057
http://repository.kpi.kharkov.ua/handle/KhPI-Press/48569
http://ais.khpi.edu.ua/article/view/2522-9052.2020.3.06

View record at OpenAIRE

Nájsť tento článok vo Web of Science

14

THE METHOD OF DETECTING INFORMATION ATTACK OBJECTS IN RECOMMENDATION SYSTEM BASED ON THE ANALYSIS OF RATING TRENDS

Autoři: Meleshko, Yelyzaveta

Zdroj: Сучасний стан наукових досліджень та технологій в промисловості, Iss 3 (13) (2020)
Innovative Technologies and Scientific Solutions for Industries; № 3 (13) (2020); 52-57
Современное состояние научных исследований и технологий в промышленности; № 3 (13) (2020); 52-57
Сучасний стан наукових досліджень та технологій в промисловості; № 3 (13) (2020); 52-57

Témata: recommendation systems, information attacks, information security, information attack detection, technical analysis, moving average, R/S analysis, рекомендательные системы, информационные атаки, информационная безопасность, выявление информационной атаки, технический анализ, скользящее среднее, R/S-анализ, Engineering economy, 0202 electrical engineering, electronic engineering, information engineering, TA177.4-185, 02 engineering and technology, рекомендаційні системи, інформаційні атаки, інформаційна безпека, виявлення інформаційної атаки, технічний аналіз, ковзне середнє, R/S-аналіз

Popis souboru: application/pdf

Přístupová URL adresa: http://journals.uran.ua/itssi/article/download/ITSSI.2020.13.052/214389
https://doaj.org/article/3f14587bd640413fb318845d53351a73
http://journals.uran.ua/itssi/article/view/ITSSI.2020.13.052

View record at OpenAIRE

Nájsť tento článok vo Web of Science

15

MULTILEVEL PERSONALIZATION OF EXPLANATIONS IN RECOMMENDER SYSTEMS

Autoři: Chalyi, S. Leshchynsky, V. Leshchynska, I.

Zdroj: Сучасні інформаційні системи, Vol 4, Iss 2 (2020)
Сучасні інформаційні системи; Том 4 № 2 (2020): Сучасні інформаційні системи; 170-175
Advanced Information Systems; Vol. 4 No. 2 (2020): Advanced Information Systems; 170-175
Современные информационные системы-Sučasnì ìnformacìjnì sistemi; Том 4 № 2 (2020): Современные информационные системы; 170-175

Témata: 004.891.3, knowledge, рекомендации, Information theory, рекомендації, мета знання, рекомендаційні системи, 02 engineering and technology, представлення знань, формирование объяснений, представление знаний, QA76.75-76.765, temporal rules, знания, 0202 electrical engineering, electronic engineering, information engineering, формування пояснень, Computer software, Q350-390, темпоральные правила, meta-knowledge, representation of knowledge, темпоральні правила, formation of explanations, знання, рекомендательные системы, метазнання, recommendations, recommender systems

Popis souboru: application/pdf

Přístupová URL adresa: http://ais.khpi.edu.ua/article/download/2522-9052.2020.2.25/204312
https://doaj.org/article/b3907bf69c6d40cbae66cd664522aabf
https://openarchive.nure.ua/bitstream/document/12262/3/%d0%a1%d0%86%d0%a1_2020_4%282%29_170-175.pdf
http://ais.khpi.edu.ua/article/view/2522-9052.2020.2.25
http://ais.khpi.edu.ua/article/download/2522-9052.2020.2.25/204312
https://openarchive.nure.ua/handle/document/12262
http://repository.kpi.kharkov.ua/handle/KhPI-Press/51657
http://ais.khpi.edu.ua/article/view/2522-9052.2020.2.25

View record at OpenAIRE

Nájsť tento článok vo Web of Science

16

METHOD OF IDENTIFICATION BOT PROFILES BASED ON NEURAL NETWORKS IN RECOMMENDATION SYSTEMS

Autoři: Meleshko, Yelyzaveta Drieiev, Oleksandr Drieieva, Hanna

Zdroj: Сучасні інформаційні системи, Vol 4, Iss 2 (2020)
Сучасні інформаційні системи; Том 4 № 2 (2020): Сучасні інформаційні системи; 24-28
Advanced Information Systems; Vol. 4 No. 2 (2020): Advanced Information Systems; 24-28
Современные информационные системы-Sučasnì ìnformacìjnì sistemi; Том 4 № 2 (2020): Современные информационные системы; 24-28

Témata: інформаційна безпека, Information theory, information security, кластеризация данных, рекомендаційні системи, 0211 other engineering and technologies, информационная безопасность, 02 engineering and technology, нейронні мережі, QA76.75-76.765, інформаційні атаки, information attacks, 0202 electrical engineering, electronic engineering, information engineering, информационные атаки, нейронные сети, Computer software, Q350-390, Інтернет-боти, recommendation systems, neural networks, рекомендательные системы, кластеризація даних, data clustering, Интернет-боты, Internet bots, 004.9