ДОСЛІДЖЕННЯ ПРІОРИТЕТНИХ НАПРЯМІВ В ОБЛАСТІ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ

  • I. Ruban
  • I. Ilina
  • M. Mozhaiev
Ключові слова: Data Mining, соціальні мережі, вилучення даних, методи і алгоритми Data Mining

Анотація

В епоху глобальної інформатизації соціальні мережі набувають величезного значення для отримання різної інформації користувачами мереж. Але необхідно враховувати, що соціальні мережі такі як Facebook, Twitter, instagram містять мільярди необроблених неструктурованих даних, обробка яких дійсно є досить складним завданням для дослідження. Інтелектуальний аналіз даних дозволяє отримати поточну інформацію з великої кількості наборів даних, структурувати, і після проведеного аналізу отримати знання шляхом виявлення закономірностей між даними, що надає можливість прогнозування змін в мережі, які сталися на основі взаємодій інформаційних потоків та подій. Ця інформація застосовується в різних областях, таких як бізнес, освіта, медицина, кібербезпека і т.д. Область інтелектуального аналізу даних досягла величезних успіхів з моменту свого зародження до нинішнього рівня, але Data Mining продовжує стикається з багатьма проблемами, особливо при обробці даних соціальних мереж. Ця стаття присвячена аналізу різних методів інтелектуального аналізу даних, які використовуються для аналізу соціальних мереж, а також вивчення найбільш пріоритетних напрямків в області інтелектуального аналізу на основі проведеного огляду різних досліджень, а також фокусує увагу на області інтелектуального аналізу даних в соціальних мережах, що буде використано в подальших дослідженнях

Завантаження

Дані про завантаження поки що недоступні.

Посилання

1. Carole Cadwalladr & Emma Graham-Harrison, Revealed: 50 Million Facebook Profiles Harvested for Cambridge Analytica in Major Data Breach, GUARDIAN (Mar. 3, 2018), https://www.theguardian.com/news/2018/mar/17/cambridge-analytica-faceboo...
2. Gagliardone I., Gal, D., Alves, T. and Martinez, G.: Countering Online Hate Speech. UNESCO, Paris, France, 2015.
3. A.L. Kavanaugh, E. a. Fox, S.D. Sheetz, S. Yang, L.T. Li, D.J. Shoemaker, et al., Social media use by government: From the routine to the critical, Gov. Inf.Q.29, 2012.  P. 480-491.
4. H. Chen, R.H.L. Chiang, V.C. Storey, Business Intelligence and Analytics: From Big Data To Big Impact, Mis Q. 36, 2012. P. 1165-1188.
5. Romanenkov, Yu. Formation of prognostic software support strategic decision-making in an organization [Text] / Yu. Romanenkov, V. Vartanian //Eastern-European Journal of Enterprise Technologies. – 2016. – Vol. 2, No. 9 (80). – PP. 25-34 (DOI: 10.15587/1729-4061.2016.66306).
6. Romanenkov, Yu. Complexification methods of interval forecast estimates in the problems on short-term prediction / Yu. Romanenkov, M. Danova, V. Kashcheyeva, O. Bugaienko, M. Volk, M. Karminska-Belobrova, O. Lobach // Eastern-European Journal of Enterprise Technologies. – 2018. – Vol. 3, No. 3 (93). – PP. 50-58 (DOI: 10.15587/1729-4061.2018.131939).
7. Romanenkov, Yu. Algorithmic Support for Auto-modes of adaptive short-term Forecasting in predictive Analytics Systems / Yu. Romanenkov, Yu. Pron-chakov, T. Zieiniiev // Proceedings of the XV International Scientific and Tech-nical Conference on «Computer Science and Information Technologies» (CSIT 2020). Volume II: Main Conference. Zbarazh-Lviv, Ukraine, 23-26 September, 2020. – Р. 230-233.
8. Барсегян А.А. Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining. – СПб.: БХВ-Петербург, 2004. – 336 с.
9. Hemlata Sahu: A Brief Overview on Data Mining Survey, International Journal of Computer Technology and Electronics Engineering (IJCTEE) Volume 1, 2011.  P. 114-121.
10. MohammadNoor Injadat, Fadi Salo, Ali Bou Nassif: Data mining techniques in social media: A survey. Neurocomputing, Volume 214, 654-670 (2016).
11. S.Neelamegam: Classification algorithm in Data mining: An Overview, International Journal of P2P Network Trends and Technology (IJPTT), Volume 4, 2013. P.369-374.
12. Nechausov A., Mamusuĉ I., Kuchuk N. Synthesis of the air pollution level control system on the basis of hyperconvergent infrastructures. Сучасні інформаційні системи. 2017. Т. 1, No 2. С. 21-26. DOI: https://doi.org/10.20998/2522-9052.2017.2.04
13. Mozhaiev M., Kuchuk N., Usatenko M. (2019) The method of jitter determining in the telecommunication network of a computer system on a special software platform. Innovative technologies and scientific solutions for industries, 2019. Vol. 4 (10), pp. 134-140. doi: https://doi.org/10.30837/2522-9818.2019.10.134
14. Зиков І. С., Кучук Н. Г., Шматков С. І. Синтез архітектури комп'ютерної системи управління транзакціями e-learning. Сучасні інформаційні системи. 2018. Т. 2, No 3. С. 60–66. DOI: https://doi.org/10.20998/2522-9052.2018.3.10
15. Гахов Р.П. Моделирование трафика беспроводной сети передачи данных / Р. П. Гахов, Н. Г. Кучук// Научные ведомости БелГУ. – 2014. – No 1 (172). – Вып. 29(1). – С. 175-181.
16. Коваленко А. А., Кучук Г. А. Методи синтезу інформаційної та технічної структур системи управління об’єктом критичного застосування. Сучасні інформаційні системи. 2018. Т. 2, No 1. С. 22–27. DOI: https://doi.org/10.20998/2522-9052.2018.1.04
17. Свиридов А. C., Коваленко А. А., Кучук Г. А. Метод перерозподілу пропускної здатності критичної ділянки мережі на основі удосконалення ON/OFF-моделі трафіку. Сучасні інформаційні системи. 2018. Т. 2, No 2. С. 139–144. DOI: https://doi.org/10.20998/2522-9052.2018.2.24
18. Кучук Н. Г. Метод зменшення часу доступу до слабкоструктурованих даних / Н. Г. Кучук, В. Ю. Мерлак, В. В. Скородєлов // Сучасні інформаційні системи = Advanced Information Systems. – 2020. – Т. 4, No 1. – С. 97-102. doi: https://doi.org/10.20998/2522-9052.2020.1.14
19. Коваленко А.А. Использование временных шкал при аппроксимации длины очередей компьютерных сетей / А.А. Коваленко, Г.А. Кучук, И.В. Рубан // Сучасний стан наукових досліджень та технологій в промисловості. – 2018. – No 2 (4). – С. 12–18. – DOI: http://doi.org/10.30837/2522-9818.2018.4.012
20. Кучук Г.А. Минимизация загрузки каналов святи вычислительной сети / Г.А. Кучук // Системи обробки інформації. – Х.: НАНУ, ПАНМ, ХВУ, 1998. – Вип. 1(5). – С. 149-154.
21. Кучук Г. А., Можаєв О. О., Воробйов О. В. Метод агрегування фрактального трафіка. Радіоелектронні та комп'ютерні системи. 2006. No 6 (18). С. 181 - 188.
22. Donets V., Kuchuk N., Shmatkov S. Development of software of e-learning information system synthesis modeling process. Сучасні інформаційні системи. 2018. Т. 2, No 2. С. 117–121. DOI: https://doi.org/10.20998/2522-9052.2018.2.20.
23. Коваленко А. А. Подходы к синтезу информационной структуры системы управления объектом критического применения / А.А. Коваленко // Системи обробки інформації. – 2014. – No 1(117). – С. 180-184.
24. Raj Kumar: Classification Algorithms for Data Mining: A Surve, International Journal of Innovations in Engineering and Technology (IJIET) Vol. 1, Issue 2, 2012. P.7-14.
25. Sagar S. Nikam: A Comparative Study of Classification Techniques in Data Mining Algorithms, Oriental journal of computer science & technology, Vol. 8, No. (1), 2015.  13-19.
26. Nesma Settouti, Mohammed E, Amine Bechar and Mohammed Amine Chikh: Statistical Comparisons of the Top 10 Algorithms in Data Mining for Classification Task, International Journal of Interactive Multimedia and Artificial Intelligence, Vol. 4, No.1, 2016.  P.46-51.
Опубліковано
2020-11-25
Як цитувати
Ruban I. Дослідження пріоритетних напрямів в області інтелектуального аналізу даних / I. Ruban, I. Ilina, M. Mozhaiev // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2020. – Т. 4 (62). – С. 59-63. – doi:https://doi.org/10.26906/SUNZ.2020.4.059.
Розділ
Інформаційні технології