Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://dspace.opu.ua/jspui/handle/123456789/12871
Название: Рекомендаційна система для NFT маркетплейсу на основі машинного навчання
Другие названия: Recommendation system for NFT marketplace based on machine learning methods
Авторы: Ляховецький, Данило Ростиславович
Lyakhovetskyi, Danylo
Тройніна, Анастасія Сергіївна
Troynina, Anastasiya
Ключевые слова: nft
машинне навчання
рекомендаційна система
machine learning
recommendation system
Дата публикации: 2022
Издательство: Одеса: ОП
Библиографическое описание: Ляховецький, Д. Р. Рекомендаційна система для NFT маркетплейсу на основі машинного навчання / Д. Р. Ляховецький, А. С. Тройніна // Modern Information Technology 2022 = Сучасні інформ. технології 2022 : матеріали дванадцятої Міжнарод. наук. конф. студентів та молодих учених, м. Одеса, 19–20 трав. 2022 р. / Держ. ун-т «Одес. політехніка». – Одеса, 2022. – С. 76–78.
Краткий осмотр (реферат): У даній роботі проаналізовано існуючі рішення по створенню рекомендаційних систем, проаналізовано предметну область та виявлено основні сутності моделі даних, створено концептуальну модель даних та прототип алгоритму машинного навчання для реалізації вимог системи, що покращує нефункціональні вимоги у порівнянні із аналогічними програмами.
In this paper, we analyze the existing solutions for creating recommendation systems and study the domain of our recommendation software system. Also, we identify and create the conceptual data model for the product. Then, we prototype a machine learning algorithm to implement the system functionalities that improve non-functional requirements of our system compared to similar software.
URI (Унифицированный идентификатор ресурса): http://dspace.opu.ua/jspui/handle/123456789/12871
Располагается в коллекциях:Матеріали конференцій, семінарів каф. ІПЗ
Modern Information Technology – Сучасні Інформаційні Технології 2022

Файлы этого ресурса:
Файл Описание РазмерФормат 
76-77.doc83 kBMicrosoft WordПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.