МЕТОДИ ВІЗУАЛЬНОГО, ТЕКСТОВОГО ТА ІНТЕРНЕТ-АНАЛІЗУ ДАНИХ У СУЧАСНИХ СИСТЕМАХ DATA MINING

Анотація

У статті розглянуто комплексний підхід до аналізу даних у сучасних системах Data Mining, який поєднує методи текстового, візуального та інтернет-орієнтованого опрацювання інформації. Показано, що різнорідність сучасних даних, які охоплюють текстові, поведінкові, структуровані та динамічні інформаційні потоки, зумовлює потребу у використанні багаторівневих аналітичних технологій, здатних одночасно працювати з різними типами представлень та моделями. Проведено огляд наукових джерел, у межах якого підкреслено тенденції розвитку моделей оброблення природної мови (зокрема глибинного навчання), інструментів візуальної аналітики та методів web mining, а також окреслено їхні переваги та обмеження у практичних застосуваннях. У роботі обґрунтовано доцільність інтеграції трьох груп методів у єдину аналітичну платформу, що забезпечує глибоке семантичне опрацювання даних, підвищену інтерпретованість результатів і можливість роботи з високодинамічними інтернет-потоками. Для оцінювання ефективності запропонованого підходу було розроблено прототип системи, який тестували на даних інтернет-каталогу, що містили текстові відгуки користувачів, журнали поведінкової активності та структуровані атрибути товарів. Проведене експериментальне дослідження показало, що поєднання текстових та поведінкових веб-ознак забезпечує покращення якісних метрик класифікації порівняно з використанням лише текстових даних. Інтеграція візуальної аналітики, у свою чергу, суттєво зменшує час інтерпретації результатів та підвищує зручність роботи аналітиків, що підтверджено як операційними показниками, так і суб’єктивними оцінками спеціалістів. Результати дослідження свідчать, що інтегрований підхід є перспективним для побудови масштабованих, адаптивних та інтерпретованих систем Data Mining, орієнтованих на реальні умови оброблення великих даних. Подальші напрями роботи пов’язані з розвитком універсальних моделей об’єднання текстових, поведінкових, графових та просторово-часових даних, а також удосконаленням інструментів пояснюваного штучного інтелекту для аналізу складних аналітичних процесів.