Система моніторингу та аналізу відгуків у соціальних мережах для формування рекомендацій купівлі товарів
Автор: Твердохліб Юрій Петрович
Кваліфікаційний рівень: магістр
Спеціальність: Аналіз даних (Data Science)
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2022-2023 н.р.
Мова захисту: українська
Анотація: Стрімке зростання обсягів даних та кількості відвідувачів мережі Інтернет створили проблему надлишковості інформації, що перешкоджає своєчасному доступу до необхідних ресурсів. Інформаційно-пошукові системи частково вирішили цю проблему, але пріоритетність та персоналізація інформації були відсутні. Це посприяло значному попиту на системи рекомендацій. Вони потрібні для допомоги користувачам, коли система повинна прийняти рішення, беручи за основу той факт, що в звичайному житті люди часто приймають рішення, виходячи з рекомендацій інших [1]. Система рекомендацій купівлі товарів буде використовуватись клієнтами для пошуку відповідного товару. Вибір якого є вкрай важливим, адже вибравши поганий товар можна втратити гроші та витратити даремно багато часу, тому рекомендаційна система допоможе уникнути небажаних інцидентів, а саме, буде аналізувати відгуки про товари та на основі них, будувати список рекомендованих товарів. Метою цієї роботи є створення системи моніторингу та аналізу відгуків у соціальних мережах для формування рекомендацій купівлі товарів, спрямованих на полегшення вибору потрібного товару. Основними завданнями, які вирішуються у роботі є: • опис, аналіз перспектив та особливості досліджуваної предметної області; • проведення аналізу відомих засобів вирішення проблеми; • проведення системного аналізу та моделювання предметної області; • побудова моделей, вибір та обґрунтування методів розв’язання задачі ; • проектування, розробка та тестування платформи для системи моніторингу та аналізу відгуків у соціальних мережах для формування рекомендацій купівлі товарів; • проведення економічного аналізу програмного продукту. Об’єктом дослідження є процес формування рекомендацій купівлі товарів. Предметом дослідження є моніторинг та засоби аналізу відгуків для формування рекомендацій купівлі товарів. Система моніторингу та аналізу відгуків буде використовуватись клієнтами для пришвидшення та полегшення пошуку необхідної продукції на ресурсах електронної комерції. Вдалий вибір якісного товару є вкрай важливим, оскільки це економить час пошуку та гроші. Аналізуючи коментарі у мережі, інформаційна система рекомендує продукт при переважанні позитивних відгуків на нього. У роботі було проведено системний аналіз для системи моніторингу та аналізу відгуків у соціальних мережах, було здійснене розроблення концептуальної моделі. Проведено моделювання вимог проекту , побудовано дерево цілей, визначено критерії, які висуваються при визначенні цілей та поставлено цілі. За допомогою методу аналізу ієрархій було визначено, що тип розроблюваного продукту – система підтримки прийняття рішень. В якості прототипу системи формування рекомендацій на основі аналізу відгуків було використано системи, які застосовуються у сфері електронної комерції. Наприклад, система рекомендацій онлайн магазину Rozetka, яка здатна розумно аналізувати та передбачати переваги покупців, щоб запропонувати їм список рекомендованих продуктів. Проте, алгоритм Rozetka вибирає рекомендовані продукти для кожного користувача на основі їхніх попередніх покупок, взаємодії та оцінок інших представлених товарів і поєднує їх з подібними товарами, які переглядають користувачі зі схожими вподобаннями та інтересами. В основу розробленої системи прийняття рішень покладено алгоритм аналізу настроїв (sentimental analysis algorithm)[2] за допомогою логістичної регресії. Логістична регресія – це модель класифікації, яку дуже легко реалізувати та яка дуже добре працює на лінійно роздільних класах. Це один із найпоширеніших алгоритмів класифікації, що робить його привабливим для роботи. Логістична регресія є хорошою моделлю, бо вона дуже швидко навчається незважаючи на великі набори даних і гарантує дуже надійні результати. Головна перевага логістичної регресії полягає в тому, що її набагато легше налаштувати та навчити, ніж інші програми машинного навчання та штучного інтелекту. Ще одна перевага полягає в тому, що це один із найефективніших алгоритмів, коли різні результати або відмінності, представлені даними, лінійно розділяються. Це означає, що можна провести пряму лінію, що розділяє результати обчислення логістичної регресії. Створена система дозволить кожній людині, яка є в пошуку покупки товару, отримати якісну рекомендацію за лічені секунди, що збереже затрачений на пошук час та дозволить знаходити товар за бажаними критеріями. Від такої рекомендаційної системи потрібно очікувати наступні ефекти: • економічний – система допоможе зекономити гроші клієнтам, порекомендувавши дешевші та не менш якісні товари; • функціональний – автоматизація пошуку товару за заданими критеріями на основі аналізу відгуків про товари; • фінансовий – планується, що користування системою буде платним, що буде приносити певний дохід розробникам; • часовий – економія часу для людини, яка шукає товар, адже без даної системи, на це можна затратити і до декількох годин. Ключові слова – соціальні мережі, cистема моніторингу, аналіз відгуків, формування рекомендацій, алгоритм аналізу настроїв. Перелік використаних літературних джерел: 1. Recommender Systems: Algorithms and Applications / P. Pavan Kumar, S. Vairachilai, P. Sirisha, S. Nandan Mohanty. – Boca Raton, London, New York: CRC Press, 2021. – 248 с. 2. Aakanksha S. New Opportunities for Sentiment Analysis and Information Processing / S. Aakanksha, G. R. Sinha, S. Bhatia, 2021. – 311 с.