ОЦІНКА МЕТОДІВ КЛАСТЕРИЗАЦІЇ РІЗНОТИПОВИХ ДАНИХ

Дослідницька робота вивчає взаємозалежність успішності роботи груп навчених суб’єктів від власних характеристик кожного члена групи. Описана можливість прогнозування співпраці окремих спеціалістів у команді в довгостроковій перспективі на основі методів машинного навчання, до яких належать різні мод...

Full description

Saved in:
Bibliographic Details
Published in:Automatizácia tehnologičeskih i biznes-processov Vol. 15; no. 1; pp. 1 - 12
Main Authors: Ткачик, О. А., Бойко, Н. І.
Format: Journal Article
Language:English
Published: Odessa National Academy of Food Technologies 05.05.2023
Subjects:
forel алгоритм
k-means
алгоритм
кластерний аналіз
машинне навчання
метод
ISSN:2312-3125, 2312-931X
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Abstract Дослідницька робота вивчає взаємозалежність успішності роботи груп навчених суб’єктів від власних характеристик кожного члена групи. Описана можливість прогнозування співпраці окремих спеціалістів у команді в довгостроковій перспективі на основі методів машинного навчання, до яких належать різні моделі кластеризації й відповідні методи кластеризаційного аналізу. Окрім того, поданий алгоритм здобуття аналітичних даних для подальшого їх використання у можливій реалізації сервісу для підбору й групування персоналу та подальших досліджень. У роботі розглянуто декілька основних методів кластеризаційного аналізу. Визначена мета дослідження - оцінка методів та вибір найбільш кращого для дослідження і подальшої кластеризації ознак працівників офісних компаній. Було розглянуто переваги та недоліки основних алгоритмів з урахуванням потреб дослідження. У цьому дослідженні розглянуто потенційні джерела даних, процеси їх обробки та кластеризації обраними алгоритмами. В роботі практично перевірено відповідність обраного методу кластерного аналізу. Для аналізу був обраний FOREL алгоритм, який відповідає вимогам роботи на контрольній групі даних, зручній для наглядного представлення процесу кластеризації. Були оцінені особливості використання різних методів з різною кількістю ознак та обрано метод (k-середніх) для подальшого порівняння з основним підходом (FOREL). Досліджено можливість та доведено використання методів машинного навчання (FOREL, k-means зокрема) для полегшення процесу потреб найму та розподіленню працівників. У роботі був зроблений висновок, що обраний підхід годиться для обширного погляду на формування команд, а не на підгін всіх працівників під команду певного розміру (хоча це теж є можливим). Використання даного алгоритму може бути корисним і при доукомплектуванні команд. Для цього необхідно лиш розширити вибірку досліджуваних даних вже найманими працівниками зі своїми командами і оцінити, в якій команді “приживеться” потенційний командний гравець.
AbstractList Дослідницька робота вивчає взаємозалежність успішності роботи груп навчених суб’єктів від власних характеристик кожного члена групи. Описана можливість прогнозування співпраці окремих спеціалістів у команді в довгостроковій перспективі на основі методів машинного навчання, до яких належать різні моделі кластеризації й відповідні методи кластеризаційного аналізу. Окрім того, поданий алгоритм здобуття аналітичних даних для подальшого їх використання у можливій реалізації сервісу для підбору й групування персоналу та подальших досліджень. У роботі розглянуто декілька основних методів кластеризаційного аналізу. Визначена мета дослідження - оцінка методів та вибір найбільш кращого для дослідження і подальшої кластеризації ознак працівників офісних компаній. Було розглянуто переваги та недоліки основних алгоритмів з урахуванням потреб дослідження. У цьому дослідженні розглянуто потенційні джерела даних, процеси їх обробки та кластеризації обраними алгоритмами. В роботі практично перевірено відповідність обраного методу кластерного аналізу. Для аналізу був обраний FOREL алгоритм, який відповідає вимогам роботи на контрольній групі даних, зручній для наглядного представлення процесу кластеризації. Були оцінені особливості використання різних методів з різною кількістю ознак та обрано метод (k-середніх) для подальшого порівняння з основним підходом (FOREL). Досліджено можливість та доведено використання методів машинного навчання (FOREL, k-means зокрема) для полегшення процесу потреб найму та розподіленню працівників. У роботі був зроблений висновок, що обраний підхід годиться для обширного погляду на формування команд, а не на підгін всіх працівників під команду певного розміру (хоча це теж є можливим). Використання даного алгоритму може бути корисним і при доукомплектуванні команд. Для цього необхідно лиш розширити вибірку досліджуваних даних вже найманими працівниками зі своїми командами і оцінити, в якій команді “приживеться” потенційний командний гравець.
Author Ткачик, О. А.
Бойко, Н. І.
Author_xml – sequence: 1
  givenname: О. А.
  orcidid: 0000-0002-0728-4208
  surname: Ткачик
  fullname: Ткачик, О. А.
– sequence: 2
  givenname: Н. І.
  orcidid: 0000-0002-6962-9363
  surname: Бойко
  fullname: Бойко, Н. І.
BookMark eNo9kM1KAzEUhYNUsNbuXc4LTE0myWSylOJPoeBGQdyEZJKRKbVTZorgC9RtKRZFrT8FfZ48knfa4iKce77cHMLZR41RMXIIHRLcITwW9EhPzLhzT3hOOhHHyQ5qRpREoaTkurGd4fA91K6qAcaYCCokj5voxn_4Xz_1S__qZ4F_9wu_AvQEaB4Ae_Mz_w1o4b_8i38GV28_BmCnYJewu4KLT9A56E8AT2eAYTxAu5keVq691Ra6Oj257J6H_YuzXve4H6aEySTMBMGxTVJucWx4hiXjJhM0sRY-TCW1jhKnM8oxMYw7YahljkXWpFjGkYhpC_U2ubbQAzUu8ztdPqhC52oNivJW6XKSp0OnGOHcJliYjGuGuZORkZZZxiItE0nqLLzJSsuiqkqX_ecRrNZVq7pqta5a1VXTPw8dj_U
Cites_doi 10.1016/j.neucom.2017.06.053
10.1186/1471-2164-7-318
10.23939/mmc2016.02.111
10.26444/monz/130681
10.1016/j.ejor.2016.06.052
10.1109/ICDM.2002.1184042
10.1007/978-3-030-82014-5_13
10.11591/ijeecs.v13.i2.pp521-526
10.1007/978-0-387-39940-9_605
ContentType Journal Article
DBID AAYXX
CITATION
DOA
DOI 10.15673/atbp.v15i1.2508
DatabaseName CrossRef
DOAJ Directory of Open Access Journals
DatabaseTitle CrossRef
DatabaseTitleList
CrossRef
Database_xml – sequence: 1
  dbid: DOA
  name: DOAJ Directory of Open Access Journals
  url: https://www.doaj.org/
  sourceTypes: Open Website
DeliveryMethod fulltext_linktorsrc
Discipline Business
EISSN 2312-931X
EndPage 12
ExternalDocumentID oai_doaj_org_article_4155d807bf5a405e92b9d4d442a98916
10_15673_atbp_v15i1_2508
GroupedDBID 5VS
AAYXX
ADBBV
ALMA_UNASSIGNED_HOLDINGS
ARCSS
BCNDV
CITATION
EOJEC
GROUPED_DOAJ
KQ8
OBODZ
TUS
ID FETCH-LOGICAL-c1498-f7106d8c5d06b5f0945bf738dd125393de31eaf3501b45e7b3d4e42dbc0962763
IEDL.DBID DOA
ISSN 2312-3125
IngestDate Fri Oct 03 12:53:18 EDT 2025
Sat Nov 29 03:52:25 EST 2025
IsDoiOpenAccess true
IsOpenAccess true
IsPeerReviewed true
IsScholarly true
Issue 1
Language English
LinkModel DirectLink
MergedId FETCHMERGED-LOGICAL-c1498-f7106d8c5d06b5f0945bf738dd125393de31eaf3501b45e7b3d4e42dbc0962763
ORCID 0000-0002-0728-4208
0000-0002-6962-9363
OpenAccessLink https://doaj.org/article/4155d807bf5a405e92b9d4d442a98916
PageCount 12
ParticipantIDs doaj_primary_oai_doaj_org_article_4155d807bf5a405e92b9d4d442a98916
crossref_primary_10_15673_atbp_v15i1_2508
PublicationCentury 2000
PublicationDate 2023-05-05
PublicationDateYYYYMMDD 2023-05-05
PublicationDate_xml – month: 05
  year: 2023
  text: 2023-05-05
  day: 05
PublicationDecade 2020
PublicationTitle Automatizácia tehnologičeskih i biznes-processov
PublicationYear 2023
Publisher Odessa National Academy of Food Technologies
Publisher_xml – name: Odessa National Academy of Food Technologies
References ref13
ref35
ref12
ref34
ref15
ref37
ref14
ref36
ref31
ref30
ref11
ref33
ref10
ref32
ref0
ref2
ref1
ref17
ref39
ref16
ref38
ref19
ref18
ref24
ref23
ref26
ref25
ref20
ref22
ref21
ref28
ref27
ref29
ref8
ref7
ref9
ref4
ref3
ref6
ref5
ref40
References_xml – ident: ref7
  doi: 10.1016/j.neucom.2017.06.053
– ident: ref37
– ident: ref1
– ident: ref39
– ident: ref3
– ident: ref17
  doi: 10.1186/1471-2164-7-318
– ident: ref20
– ident: ref29
– ident: ref24
– ident: ref27
– ident: ref32
  doi: 10.23939/mmc2016.02.111
– ident: ref9
– ident: ref5
  doi: 10.26444/monz/130681
– ident: ref11
– ident: ref33
  doi: 10.23939/mmc2016.02.111
– ident: ref34
– ident: ref15
– ident: ref30
– ident: ref40
  doi: 10.1016/j.ejor.2016.06.052
– ident: ref13
– ident: ref4
– ident: ref2
– ident: ref38
– ident: ref6
– ident: ref28
– ident: ref19
  doi: 10.1109/ICDM.2002.1184042
– ident: ref21
– ident: ref23
– ident: ref25
  doi: 10.1007/978-3-030-82014-5_13
– ident: ref26
– ident: ref36
  doi: 10.11591/ijeecs.v13.i2.pp521-526
– ident: ref22
  doi: 10.1007/978-0-387-39940-9_605
– ident: ref8
– ident: ref18
– ident: ref0
– ident: ref16
– ident: ref10
– ident: ref35
– ident: ref12
– ident: ref14
– ident: ref31
SSID ssj0001737956
ssib044730971
Score 2.218569
Snippet Дослідницька робота вивчає взаємозалежність успішності роботи груп навчених суб’єктів від власних характеристик кожного члена групи. Описана можливість...
SourceID doaj
crossref
SourceType Open Website
Index Database
StartPage 1
SubjectTerms forel алгоритм
k-means
алгоритм
кластерний аналіз
машинне навчання
метод
Title ОЦІНКА МЕТОДІВ КЛАСТЕРИЗАЦІЇ РІЗНОТИПОВИХ ДАНИХ
URI https://doaj.org/article/4155d807bf5a405e92b9d4d442a98916
Volume 15
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVAON
  databaseName: DOAJ Directory of Open Access Journals
  customDbUrl:
  eissn: 2312-931X
  dateEnd: 99991231
  omitProxy: false
  ssIdentifier: ssj0001737956
  issn: 2312-3125
  databaseCode: DOA
  dateStart: 20100101
  isFulltext: true
  titleUrlDefault: https://www.doaj.org/
  providerName: Directory of Open Access Journals
– providerCode: PRVHPJ
  databaseName: ROAD: Directory of Open Access Scholarly Resources
  customDbUrl:
  eissn: 2312-931X
  dateEnd: 99991231
  omitProxy: false
  ssIdentifier: ssib044730971
  issn: 2312-3125
  databaseCode: M~E
  dateStart: 20100101
  isFulltext: true
  titleUrlDefault: https://road.issn.org
  providerName: ISSN International Centre
link http://cvtisr.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwrV27TsMwFLVQhRAL4ineysDCEJrEdhyPgKgYUMUAqGKJ4tiRupSqlH5CWauKCgSURyX4Hn8S106KsrEwOb5xrORcKz43du5BaA8YCMNY-K7CXLpE-sJNhIrcLPHClGMqmJVOuDpj9XrUaPDzktSX2ROWpwfOgauaCU9GHhMZTYBcKB4ILokkJEh4BNzGvH2B9ZSCKRhJhMDA5QXRsV9bGGac5kpzNktfQIs1SxoyXE26on3Q82kTIkZqlCZLc1Qplb-dc2qLaKEgi85hfpNLaEa1ltHcdK_6CrrWb_pb9_VYP-uBo1_1SE_A9ACmoQO2Fz3Qn2Aa6Q_9pB-hZlrfO1DtQ3UMbSdw4h3KIZRfDlw6ADMcrqLL2snF8albiCW4KQQ5AC5QhVBGKZVeKGgGURsVGcORlPCsmGOpsK-SzKwjCkIVE1gSRQIpUs_o74R4DVVaNy21jpwsSDwlFac8C8yPrCJkxCwWcxUFAjy-gfan8MTtPCdGbGIJA2VsoIwtlLGBcgMdGfx-25ls1tYAPo4LH8d_-XjzPzrZQvNGKt5uVqTbqNLt3KkdNJv2us3bzq4dPj9PkeEK
linkProvider Directory of Open Access Journals
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%D0%9E%D0%A6%D0%86%D0%9D%D0%9A%D0%90+%D0%9C%D0%95%D0%A2%D0%9E%D0%94%D0%86%D0%92+%D0%9A%D0%9B%D0%90%D0%A1%D0%A2%D0%95%D0%A0%D0%98%D0%97%D0%90%D0%A6%D0%86%D0%87+%D0%A0%D0%86%D0%97%D0%9D%D0%9E%D0%A2%D0%98%D0%9F%D0%9E%D0%92%D0%98%D0%A5+%D0%94%D0%90%D0%9D%D0%98%D0%A5&rft.jtitle=Automatiz%C3%A1cia+tehnologi%C4%8Deskih+i+biznes-processov&rft.au=%D0%A2%D0%BA%D0%B0%D1%87%D0%B8%D0%BA%2C+%D0%9E.+%D0%90.&rft.au=%D0%91%D0%BE%D0%B9%D0%BA%D0%BE%2C+%D0%9D.+%D0%86.&rft.date=2023-05-05&rft.issn=2312-3125&rft.eissn=2312-931X&rft.volume=15&rft.issue=1&rft.spage=1&rft.epage=12&rft_id=info:doi/10.15673%2Fatbp.v15i1.2508&rft.externalDBID=n%2Fa&rft.externalDocID=10_15673_atbp_v15i1_2508
thumbnail_l http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/lc.gif&issn=2312-3125&client=summon
thumbnail_m http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/mc.gif&issn=2312-3125&client=summon
thumbnail_s http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/sc.gif&issn=2312-3125&client=summon