ІНФОРМАЦІЙНО-ПОШУКОВА СИСТЕМА ЕЛЕКТРОННОЇ КОМЕРЦІЇ З ОЦІНКОЮ РЕЛЕВАНТНОСТІ ПОШУКУ
DOI:
https://doi.org/10.26906/SUNZ.2026.1.099Ключові слова:
електронна комерція, пошукова система, комп’ютерна система, базова модель, релевантність, ранжування, ефективність пошуку, модель оцінки релевантностіАнотація
Актуальність. В роботі розглянуто процес розробки інформаційно-пошукової системи для сучасних систем електронної комерції з оцінкою релевантності результатів пошуку. Класичні пошукові механізми, що ґрунтуються лише на збігу ключових слів, часто не враховують контекст та морфологію запитів, синоніми та вагомість окремих слів, ступінь відповідності знайдених результатів очікуванням користувача. Тому актуальним є створення інтелектуальних пошукових систем з оцінкою релевантності результатів пошуку, які здатні враховувати наміри користувача та адаптуватися до його індивідуальних потреб. Предметом дослідження є методи підвищення релевантності результатів пошуку на основі аналізу запитів користувачів та ранжування характеристик товарів. Мета роботи полягає в підвищенні ефективності пошуку у інформаційно-пошукових системах електронної комерції шляхом впровадження модифікованого методу оцінки релевантності. Були отримані наступні результати. Розглянуто особливості формування пошукових потреб користувачів, проведено аналіз моделей оцінки релевантності, розроблено та протестовано систему електронної комерції з оцінкою релевантності, яка засвідчила покращення показників ефективності пошуку. Висновки. Використання методів оцінки релевантності для побудови пошукових систем у сфері електронної комерції є ефективним напрямом підвищення якості інформаційно-пошукових сервісів. Отримані результати свідчать про перспективність подальших досліджень у напрямі адаптації моделей інформаційного пошуку до специфіки онлайн-торгівлі, удосконалення алгоритмів ранжування та інтеграції методів машинного навчання для персоналізації видачі результатів.Завантажити
Посилання
1. Стоєва Д. Р. Систематизація інформаційних моделей. Перспективи науки і освіти. 2021. No 4. С. 13-18. DOI: https://doi.org/10.52058/2786-4952-2021-1(1)-21-30
2. Мілованова М.В., Бондарчук А.П. Оцінка ефективності інформаційного пошуку. Телекомунікаційні та інформаційні технології. 2020. No 1 (66) С. 45 -52. DOI: https://doi.org/10.31673/2412-4338.2020.014552
3. Manning, C. D., Raghavan, P., Schütze, H. Introduction to Information Retrieval. Cambridge University Press, 2008. URL: https://nlp.stanford.edu/IR-book/pdf/irbookonlinereading.pdf
4. Васютинська С. Ю. Інформаційна асиметрія в освітніх технологіях. Освітні ресурси і технології. 2016. No 4 (16). С. 14-20. DOI: https://vspu.net/sit/index.php/sit/article/view/3073
5. Краус К.М., Краус Н.М., Манжура О.В. Електронна комерція та Інтернет-торгівля: навчально-методичний посібник. –Київ: Аграр медіа Груп, 2021, 454 с. URL: https://elibrary.kubg.edu.ua/id/eprint/37044/1/Kraus_Elektronna_komertsiia_2021.pdf
6. Кряжич О.О. Визначення релевантності інформації, отриманої від пошуково-довідкового сервісу на веб-платформі. Математичні машини і системи. 2021. № 1 С 52-63. URL: http://www.immsp.kiev.ua/publications/articles/2021/2021_1/01_21_Kryazhych.pdf
7. P. Vakkari, E. Sormunen. The influence of relevance levels on the effectiveness of interactive information retrieval. Journal of the American Society for Information Science and Technology 2016. No 55(11). Pp. 963-969. DOI: https://doi.org/10.1002/asi.20046
8. Turban, E., Outland, J., King, D., Lee, J. K., Liang, T. P., & Turban, D. C. Electronic Commerce 2018: A Managerial and Social Networks Perspective. Springer, 2018. 640 p. DOI: https://doi.org/10.1007/978-3-319-58715-8
9. Baeza-Yates, R., Ribeiro-Neto, B. Modern Information Retrieval: The Concepts and Technology behind Search. Addison-Wesley, 2011. URL: https://web.cs.ucla.edu/~miodrag/cs259-security/baeza-yates99modern.pdf
10. Grossman, D. A., Frieder, O. Information Retrieval: Algorithms and Heuristics. Springer, 2017. URL: https://archive.org/details/informationretri0002gros
11. Robertson, S., Zaragoza, H. The Probabilistic Relevance Framework: BM25 and Beyond. Foundations and Trends in Information Retrieval, 2009. DOI: https://doi.org/10.1561/1500000019
12. Mikolov, T. et al. Efficient Estimation of Word Representations in Vector Space. arXiv:1301.3781, 2013. https://doi.org/10.48550/arXiv.1301.3781
13. Croft, W. B., Metzler, АD., Strohman, T. Search Engines: Information Retrieval in Practice. Addison-Wesley, 2015. URL: https://pzs.dstu.dp.ua/DataMining/searchWEB/bibl/searchBOOK.pdf
14. Mitra, B., Craswell, N. Neural Models for Information Retrieval. Foundations and Trends in Information Retrieval, 2018. DOI: https://doi.org/10.48550/arXiv.1705.01509
15. Laudon, K. C., & Traver, C. G. E-commerce 2021-2022: business, technology, society. 16th ed. Pearson, 2021. 912 p. URL: https://www.pearson.de/media/muster/toc/toc_9781292409320.pdf
16. Williams, B., Damstra, B., & Stern, D. Professional WordPress: Design and Development. 3rd ed. Wiley, 2015. 816 p. URL: https://jicc.org.il/wp-content/uploads/2016/07/professional-wordpress-design-and-development-3rd-edition.pdf
17. WooCommerce Documentation. WooCommerce Search Functionality. Automattic, 2023. URL: https://woocommerce.com/document/
18. Advanced Woo Search. Official Plugin Documentation. WordPress.org, 2023. URL: https://wordpress.org/plugins/advanced-woosearch/
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Oksana Povoroznyuk, Anatoly Povoroznyuk
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution-NonCommercial 4.0 International License.
