Wyniki wyszukiwania - BazEkon

1

The Recommendation Algorithm for an Online Art Gallery

100%

Karwowski W., Sosnowska J., Rusek M.

Information Systems in Management

|

2018

|

7

|

nr 2

108-119

The paper discusses the need for recommendations and the basic recommendation systems and algorithms. In the second part the design and implementation of the recommender system for online art gallery (photos, drawings, and paintings) is presented. The designed customized recommendation algorithm is based on collaborative filtering technique using the similarity between objects, improved by information from user profile. At the end conclusions of performed algorithm are formulated. (original abstract)

2

Towards the Semantic Web's Application for Preparation of Reviews - Requirements and Architecture for the Needs of Incentive-Based Semantic Content Creation

100%

Abramowicz W., Dzikowski J., Filipowska A., Kaczmarek M., Łazaruk S.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

|

2011

|

nr 206 Advanced Information Technologies for Management - AITM 2011: Inteligent Technologies and Applications

11-21

W ostatnich latach w Internecie wielką popularnością cieszą się systemy rekomendujące. Do dostarczania precyzyjnie dopasowanych do potrzeb użytkowników recenzji systemy te coraz częściej wykorzystują potencjał technologii semantycznych. Semantyczne adnotacje recenzji mogą jednak powstać jedynie na dwa sposoby: automatycznie na podstawie analizy tekstu lub manualnie poprzez interakcję z człowiekiem. Użytkownicy nie są jednak zainteresowani adnotowaniem wprowadzanych do systemów recenzji. Jako że podejścia automatyczne nie uzyskują jeszcze wystarczającej precyzji, konieczne jest wykorzystanie mechanizmów motywujących użytkowników do tworzenia adnotacji recenzji. Niniejszy artykuł prezentuje wizję, wymagania oraz architekturę aplikacji umożliwiającej tworzenie rozszerzonych, wykorzystujących ontologię opisów obiektów. Aplikacja ta w porównaniu do wielu obecnie dostępnych w Sieci narzędzi, proponuje także mechanizmy motywujące użytkowników do działania. Ciekawostką jest to, że aplikacja w kontakcie z użytkownikiem wykorzystuje kanał mobilny, a także portal społecznościowy Facebook. (abstrakt oryginalny)

3

Zastosowanie modeli wnioskowania rozmytego w projektowaniu struktury interfejsu systemu rekomendującego

100%

Jankowski J., Janiak M.

Informatyka Ekonomiczna / Uniwersytet Ekonomiczny we Wrocławiu

|

2014

|

nr 2 (32)

86-94

Funkcje interfejsów systemów internetowych można rozpatrywać zarówno przez pryzmat zapewniania dostępu do określonych opcji, jak i z poziomu zastosowań komercyjnych oraz marketingowych. Z uwagi na różne zastosowania można wyodrębnić różne cele oraz kryteria ich oceny, a także obszary zastosowań. W przypadku platform internetowych zorientowanych na cele biznesowe istotną rolę odgrywają interfejsy rekomendujące, które zapewniają dopasowanie produktów do preferencji klienta. Obszary badawcze związane z systemami rekomendującymi dotyczyły dotąd zazwyczaj warstwy algorytmicznej i mechanizmów doboru ofert. Coraz częściej zwraca się również uwagę na sposób wizualizacji ofert i warstwę prezentacyjną. W artykule rozpatruje się konstrukcję interfejsów rekomendujących zorientowanych na pozyskiwanie określonych interakcji ze strony odbiorcy i wykorzystanie mechanizmów doboru poziomu oddziaływania i perswazji. Przedstawione rozwiązanie umożliwia dobór wariantów projektowych oraz wielokryterialną ocenę efektów, co ma za zadanie uwzględnienie zarówno celu biznesowego, jak i poziomu satysfakcji klientów.(abstrakt oryginalny)

4

Systemy rekomendujące w platformach handlu elektronicznego

100%

Jankowski J., Wiśniewska E.

Zeszyty Naukowe Uniwersytetu Szczecińskiego. Ekonomiczne Problemy Usług

|

2009

|

nr 44, T.1 Nowoczesne przedsiębiorstwo

239-249

W ostatnich latach następuje dynamiczny rozwój handlu elektronicznego. Według badań firmy analitycznej eMarketer wartość europejskiego e-commerce osiągnie w 2011 r. 323 mld. euro. Polska może stać się jednym z liderów europejskiego rynku commerce już na początku drugiej dekady. W 2006 r. przychody ze sklepów internetowych w Europie osiągnęły wartość 106 mld euro i nadal intensywnie wzrastają. W 2007 r. wzrost ten był największy i wyniósł blisko 40%, a zatem wartość sprzedaży on-line powinna wynieść 147 mld euro. Przychody e-commerce w Europie w kolejnych latach będą wzrastać średnio o 25%>3. Według raportu "E-Commerce 2007" opracowanego przez firmę Gemius 66% polskich internautów zrealizowało co najmniej raz w ciągu roku transakcję w sklepie internetowym. Analizując rozwój handlu elektronicznego w Polsce można stwierdzić, iż jest to jedna z najbardziej dynamicznie rozwijających się gałęzi gospodarki. Wraz z rozwojem platform handlu elektronicznego następuje rozwój narzędzi wspomagających, które usprawniają prowadzenie działalności i dają możliwość zwiększenia satysfakcji klientów oraz wolumenu sprzedaży. Celem artykułu jest przegląd wybranych metod rekomendacji oraz analiza możliwości zastosowania metod ekstrakcji reguł asocjacyjnych w generowaniu rekomendacji. (fragment tekstu)

5

Products and Services Recommendation Systems In E-Commerce. Recommendation Methods, Algorithms and Measures of their Effectiveness

75%

Lasek M., Kosieradzki D.

Informatyka Ekonomiczna / Uniwersytet Ekonomiczny we Wrocławiu

|

2014

|

nr 1 (31)

304-317

Artykuł dotyczy systemów rekomendacji produktów i usług handlu elektronicznego, które wraz z jego rozwojem odgrywają coraz większą rolę zarówno dla konsumentów, jak i sprzedawców. W artykule przedstawiono metody rekomendacyjne, a także algorytmy umożliwiające ich realizację. Szczególną uwagę poświęcono problemom testowania przydatności algorytmów i miarom skuteczności zastosowań metod i algorytmów.(abstrakt oryginalny)

6

New Similarity Index Based on the Aggregation of Membership Functions Through OWA Operator

75%

Aïtyounes A., Blanchard F., Herbin M.

Annals of Computer Science and Information Systems

|

2015

|

5

163-168

In the field of data analysis, the use of metrics is a classical way to assess pairwise similarity. Unfortunately the popular distances are often inoperative because of the noise, the multidimensionality and the heterogeneous nature of data. These drawbacks lead us to propose a similarity index based on fuzzy set theory. Each object of the dataset is described with the vector of its fuzzy attributes. Thanks to aggregation operators, the object is fuzzified by using the fuzzy attributes. Thus each object becomes a fuzzy subset within the dataset. The similarity of a reference object compared to another one is assessed through the membership function of the fuzzified reference object and an aggregation method using OWA operator. (original abstract)

7

The Architecture of the Intelligent Case-Based Reasoning Recommender System (CBR RS) Recommending Preventive/Corrective Procedures in the Occupational Health and Safety Management System in an Enterprise

75%

Andreasik J.

Barometr Regionalny

|

2017

|

15

|

nr 3

109-124

W pracy przedstawiono oryginalną architekturę systemu rekomendującego procedury zapobiegawczo-korygujące w systemie BHP przedsiębiorstwa: Compliance OHS-CBR. System składa się z czterech modułów: moduł A: ontologia profilu BHP stanowiska pracy, moduł B: ontologia indeksacji procedur zapobiegawczo-korygujących OIP-ZK, moduł C: system ewidencjonowania procesu monitorowania niezgodności z wymaganiami BHP, moduł D: silnik wydawania rekomendacji w metodologii CBR. Istotą podejścia prezentowanego w niniejszej pracy jest integracja systemu monitorowania procesu analizy niezgodności z wymaganiami BHP na stanowiskach pracy (zastosowano oprogramowanie ADONIS) z systemem wnioskowania z bazy przypadków CBR. Platformą integracji są dwie ontologie: ontologia profilu zgodności z wymaganiami BHP na stanowisku pracy (OP-BHP) oraz ontologia indeksacji procedur zapobiegawczo--korygujących OIP-ZK. Obydwie ontologie przedstawiono w edytorze Protege 5 języka OWL. Silnikami wnioskującymi zgodnie z metodologią CBR są alternatywnie: myCBR oraz jCOLLIBRI. (abstrakt oryginalny)

8

Systemy rekomendujące w e-learningu

63%

Eisenbardt T.

Prace Naukowe / Akademia Ekonomiczna w Katowicach

|

2008

|

Zarządzanie, finanse, ekonomia : warsztaty doktoranckie '07

67-75

Niewątpliwie każda współczesna platforma e-learningowa posiada wiele cech systemu spersonalizowanego, czyli takiego, który traktuje użytkownika lub grupy użytkowników w sposób zindywidualizowany. Skoro tak, to platformy e-learningowe mogłyby korzystać z pewnych mechanizmów, których zadaniem byłoby rekomendowanie użytkownikowi kolejnych treści edukacyjnych, mogących przyczynić się do doskonalenia procesu nauczania, a także umożliwiających indywidualne kształtowanie własnej ścieżki rozwoju kompetencji. Systemy rekomendujące zyskują na popularności. Ostatnio szczególnie często można zaobserwować ich działanie w ramach różnego rodzaju stron internetowych, choćby oferujących usługi oparte na handlu elektronicznym, czy stron funkcjonujących jako serwisy informacyjne. Celem niniejszego artykułu jest przyjrzenie się zagadnieniu rekomendacji, a jeszcze wcześniej personalizacji, w odniesieniu do popularnego dziś kształcenia zdalnego. Zamierzeniem autora jest zaproponowanie trzech modeli zastosowania systemów rekomendujących dla platform e-learningowych. Modele te mogą posłużyć jako baza dla budowania systemów wspierających kreowanie indywidualnej ścieżki rozwoju kompetencji. (fragment tekstu)

9

Using Recommendation Approaches for Ratings Matrixes in Online Marketing

63%

Nehrey M., Hnot T.

Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach. Informatyka i Ekonometria

|

2017

|

11

|

nr 342

115-130

Głównym celem badania jest wykrycie zalet i wad różnych algorytmów wykorzystywanych podczas budowania systemu rekomendacji. Systemy rekomendujące stały się tak popularne ze względu na aktywny rozwój marketingu internetowego i wzrost sprzedaży za pośrednictwem Internetu. Opracowanie i wdrożenie strategii rekomendowania produktów powoduje efektywne wykorzystanie zasobów firmy i dynamiczną sprzedaż. Systemy rekomendujące są jednym z najbardziej efektywnych narzędzi - systemów, które są zbudowane przy użyciu algorytmów opartych na pamięci i systemów z algorytmami opartymi na modelach. Najlepszą wydajność pokazały techniki Matrix Factorization ze Stochastic Gradient Descend. Wybierając system rekomendujący, należy wziąć pod uwagę cel używania, cechy produktu, specyfikacje i dostępność danych klienta według ich preferencji. Korzystanie z jednego z opisanych systemów rekomendujących poprawi efektywność marketingu produktów.(abstrakt oryginalny)

10

Big Data Recommendation Problems in e-Commerce Solutions for Small Business

63%

Bernardelli M.

Przedsiębiorstwo we współczesnej gospodarce - teoria i praktyka

|

2017

|

nr 3

65-76

Dynamiczny rozwój rynku e-commerce spowodował wzrost zapotrzebowania na skuteczne algorytmy i systemy wykorzystujące analizę statystyczną. Najprostsze z nich używają statystyk ruchu internetowego, inne statystyk sprzedaży. Ze względu na niezwykłą prostotę, przejrzystość i funkcjonalność, dużą popularność zyskało narzędzie Google Analytics. Żadna z metod, jednakże, nie nadaje się do wykorzystania w czasie rzeczywistym, bez odpowiednich metod automatyzujących jej działanie. Inteligentne systemy rekomendacji, takie jak mechanizm Collaborative Filtering, znacząco przyczyniają się do wzrostu sprzedaży, ale charakteryzują się na ogół słabą skalowalnością. Oczywiście, mając do dyspozycji rozbudowaną infrastrukturę komputerową i specjalistyczną wiedzę, można gromadzić duże ilości danych i analizować je. Wszystkie zaawansowane rozwiązania są jednak raczej osiągalne dla dużych firm, których działalność koncentruje się w Internecie. W artykule opisano zagadnienia rekomendacji związane z Big Data. Podkreślono zalety i wady kilku stosowanych w praktyce algorytmów, ze szczególnym uwzględnieniem ich przydatności dla małych firm działających na rynku e-commerce. Celem artykułu jest propozycja prostego w implementacji algorytmu rekomendacji, który byłby dostępny dla małych firm. Co więcej, przeprowadzone zostały testy on-line, których wyniki przedstawiono jako potwierdzenie skuteczności działania algorytmu. Rzeczywiste dane sprzedażowe zostały udostępnione przez firmę Run4Fun.pl. W teście wzięto pod uwagę kwestie dużych wolumenów danych, lecz również ich zmienność i różnorodność. (abstrakt oryginalny)

11

Improvement of E-Commerce Recommendation Systems with Deep Hybrid Collaborative Filtering with Content: a Case Study

63%

Wójcik F., Górnik M.

Ekonometria / Uniwersytet Ekonomiczny we Wrocławiu

|

2020

|

24

|

nr 3

37-50

W artykule zbadano innowacyjną architekturę sieci neuronowych zwaną Głębokim Hybrydowym Systemem Filtracji Kolaboratywnej (DHCF), mającą posłużyć jako system rekomendacji konsumenckich. Jego zadaniem jest sugerowanie produktów klientom platform e-commerce. System został przetestowany na zbiorze danych 2018 Amazon Reviews, z wykorzystaniem powtórzonej walidacji krzyżowej, i porównany z dwoma innymi podejściami: filtracją kolaboratywną (CF) oraz filtracją kolaboratywną z siecią neuronową (DCF). Do porównania wykorzystano metryki błędu średniokwadratowego (MSE), średniego błędu bezwzględnego (MAE) oraz średniego procentowego błędu bezwzględnego (MAPE). DCF i DHCF uzyskały wyniki istotnie lepsze niż CF, a dodatkowo DHCF uzyskał lepsze wyniki niż DCF pod względem MAE i MAPE. Istotność różnic sprawdzano testem Friedmana z porównaniami wielokrotnymi i kontrolą poziomu istotności. Eksperyment dowodzi, że DHCF uzyskuje lepsze i stabilniejsze wyniki niż pozostałe metody.(abstrakt oryginalny)

12

Systemy rekomendacyjne i ich zastosowania

63%

Eisenbardt T.

Zeszyty Naukowe Wyższej Szkoły Bankowej w Poznaniu

|

2011

|

nr 32

269-280

Celem niniejszego artykułu jest charakterystyka systemów rekomendujących, ich podział na podstawie wybranych kryteriów oraz wskazanie praktycznych ich zastosowań. Ukazana została mnogość dotychczas uskutecznionych rozwiązań technicznych w tym zakresie. Wspomniano też o sposobach gromadzenia danych przez systemy rekomendujące. Systemy rekomendujące zostały ukazane jako podgrupa systemów spersonalizowanych. (abstrakt oryginalny)

13

E-commerce : Trends and Development Opportunities

63%

Radziszewska A.

Zeszyty Naukowe Uniwersytetu Przyrodniczo-Humanistycznego w Siedlcach. Administracja i Zarządzanie

|

2016

|

36

|

nr 109

73-85

W artykule scharakteryzowano narzędzia komunikacji marketingowej z e-konsumentami oraz trendy rozwoju e-commerce. Szczególną uwagę poświęcono zagadnieniu rekomendacji i personalizacji. Środowisko Internetu oferuje narzędzia będące skutecznym nośnikiem przekazu marketingowego i zarządzania relacjami z e-klientami. Zasoby informacji o produktach, które są dostępne dla klientów, znacznie przewyższają możliwości ich percepcji. Różnorodność źródeł oraz szybki wzrost ilości informacji docierających do konsumentów spowodowały konieczność ich selekcji, w celu ograniczenia niepewności towarzyszącej podejmowaniu decyzji. Internauci mogą korzystać z rekomendacji pochodzących od innych konsumentów, które są dostępne w społecznej przestrzeni Internetu, gdyż rozwój mediów i serwisów społecznościowych pozwala na publikację i wymianę treści. Również wiele sklepów internetowych oferuje profesjonalne systemy rekomendacji, które pomagają konsumentowi dokonać selekcji informacji, wybrać spersonalizowaną ofertę i lepiej dopasować parametry zakupu do indywidualnych potrzeb. Rekomendacje są ważnym elementem zarządzania relacjami z e-konsumentami, gdyż pozwalają na personalizację oferty, zwiększają satysfakcję z zakupu oraz pozwalają na zminimalizowanie towarzyszącego mu ryzyka. Praca porusza również problem rosnącego znaczenia wirtualnych społeczności oraz zmieniającej się pozycji konsumenta jako współtwórcy wartości.(abstrakt oryginalny)

14

Systemy rekomendacji w mediach społecznościowych

63%

Flis K.

Prace Naukowe Wyższej Szkoły Bankowej w Gdańsku

|

2013

|

21 Trendy i wyzwania współczesnego marketingu

165-171

Istnieje wiele klasyfikacji systemów rekomendacji. Dobrze zbadana jest również tematyka sieci społecznościowych. W celu stworzenia systemu rekomendacji korzystającego z zasobów sieci społecznościowych w opracowaniu dokonano przeglądu danych profilowych udostępnianych przez dwa duże portale: Facebook i Linkedin. Gromadzenie danych i zbudowanie profilu użytkownika, który składa się z atrybutów skategoryzowanych jako: dane demograficzne, zainteresowania osoby oraz aktywność w sieci i relacje społeczne, jest pierwszym krokiem w kierunku właściwej rekomendacji. Podsystemy zbierania, gromadzenia, a później również kontroli i zarządzania zgromadzonymi informacjami są bardzo ważnymi elementami systemu rekomendacji. Dobrze opracowana i spersonalizowana informacja o użytkowniku decyduje w dużym stopniu o trafionej rekomendacji produktu, zdarzenia lub marki. (abstrakt oryginalny)

15

Kolektywna klasteryzacja danych marketingowych - system rekomendacyjny Upsaily

51%

Korczak J., Pondel M.

Przegląd Organizacji

|

2019

|

nr 1

42-52

W artykule przedstawiono nowe algorytmicznie i technologicznie metody eksploracji danych w systemie rekomendacyjnym adresowanym do menedżerów sklepów internetowych. Poruszono temat wykorzystania algorytmów analizy skupień, inaczej klasteringu, wykorzystanych do segmentacji rynku. Na ogół wyniki grupowania przez indywidualne algorytmy różnią się miedzy sobą i mogą stwarzać problemy interpretacji i wykorzystania w zarządzaniu. Na podstawie analizy rezultatów działania kilku klasycznych algorytmów w zadaniu segmentacji metodą RFM (recency, frequency, monetary value) zaproponowano metodę kolektywnej klasteryzacji. Koncepcję i walory unifikacji algorytmów klasteringu zweryfikowano na dużej rzeczywistej bazie danych marketingowych. (abstrakt autora)

16

Wzbogacony semantycznie internetowy system rekomendujący na przykładzie aplikacji mobilnej Taste it! Try it!

51%

Kaczmarek M., Łazaruk S., Dzikowski J., Abramowicz W.

Zeszyty Naukowe / Uniwersytet Ekonomiczny w Poznaniu

|

2012

|

nr 239

71-81

Recenzje użytkowników w internetowych systemach rekomendujących są wartościowym źródłem informacji o producentach i dostawcach usług. W celu zwiększenia porównywalności opinii wyrażanych przez użytkowników, jak również możliwości ich zautomatyzowanego przeszukiwania i dalszego wykorzystania, internetowe systemy rekomendujące coraz częściej wykorzystują technologie semantycznego Internetu. Pomimo korzyści, jakie niesie ze sobą zastosowanie semantycznych adnotacji do opisu produktów i usług, użytkownicy zazwyczaj nie są zainteresowani ich tworzeniem, gdyż albo jest to zbyt pracochłonne, albo wymaga szczególnych kompetencji. W związku z tym konieczne jest stworzenie narzędzi wykorzystujących mechanizmy motywacyjne i pozwalających na automatyczne przekształcenie publikowanych treści do postaci nie tylko przetwarzalnej, ale i "zrozumiałej" dla operujących na nich mechanizmów. W tym artykule opisujemy semantycznie wzbogacony system internetowy - aplikację mobilną Taste it! Try it! oraz mechanizmy motywujące, jakie zostały w niej zaprojektowane, aby zachęcić użytkowników do tworzenia semantycznie adnotowanych treści. (abstrakt oryginalny)

17

Personalizacja w marketingu internetowym i mobilnym

51%

Radziszewska A.

Marketing i Rynek

|

2015

|

nr 8 (CD)

557-565

Praca przedstawia wybrane narzędzia personalizacji stosowane przez współczesne przedsiębiorstwa w marketingu internetowym i mobilnym. Omówione zostały również korzyści wynikające z indywidualizacji działań marketingowych wykorzystujących nowoczesne narzędzia technologiczne. (abstrakt oryginalny)

18

Inteligentny agentowy system rekomendacji wspierający serwis internetowy

51%

Tyburcy J., Jakubczyc J. A., Galant V.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2004

|

nr 1011 Pozyskiwanie wiedzy i zarządzanie wiedzą

338-350

W pracy omówiona została architektura systemu rekomendacji, przedstawionego na tle wieloagentowego systemu internetowej księgarni (system Watto). W kolejnych częściach artykułu został przedstawiony fragment pierwszego etapu, w którym prace modelowe i implementacyjne koncentrowały się wokół wieloagentowego systemu rekomendacji, wspierającego obsługę klientów. Potrzeba adaptacji programowego agenta do zmiennych warunków otoczenia wpłynęła na zastosowanie w tym systemie algorytmu uczenia ze wzmocnieniem.

19

Z kim do przodu?

45%

Cygan O.

Marketing w Praktyce

|

2016

|

nr 7

9-11

Połączenie umiejętności biznesowo-konsultingowych "math men" z wiedzą marketingową i kreatywnością reklamowych "mad men" stało się pożądanym nowym modelem na współczesne czasy. W niniejszym materiale autor poruszył sprawę nowych kierunków rozwoju agencyjnych usług oraz kwestię, jak towarzysząc klientom w ich customer journey, tworzyć autentyczne, piękne i efektywne rozwiązania w oparciu o e-innowacje, nie odrzucając tradycyjnych metod z zakresu biznesowej strategii. (fragment tekstu)

20

Rekomendacje on site

45%

Kornicki S.

Marketing w Praktyce

|

2015

|

nr 1

14-17

Celem rekomendacji produktowych jest de facto dostosowanie, personalizacja sklepu do każdego użytkownika indywidualnie. Sklep powinien się radykalnie zmieniać w oparciu o dane dotyczące jego zainteresowań, poszukiwanych produktów czy historii zakupowych. Ponieważ tak niewiele dzieli użytkownika od zamknięcia przeglądarki, naciśnięcia przycisku wstecz lub przejścia na inną stronę, podsunięcie mu właściwego produktu (co już wiemy z analizy jego preferencji) jest kluczowym elementem działania systemu i tworzeniem architektury informacji w nowoczesnych sklepach online. (fragment tekstu)