технические науки

естественные науки

математика

маркетинг, PR, реклама

программирование

Программное обеспечение информационных систем для малых предприятий (отечественных производителей, которых насчитывается около 100, включая и наиболее известные: «1С», «Парус», «Галактика» и др.), имеет немало общих характеристик, как в отношении реализуемой функциональности, так и в программной реализации. Попытки же ведущих западных фирм адаптировать к потребностям малых предприятий свои ERP-системы, такие как mySAP, MBS Navision и другие, на данный момент также не решают проблемы. Современные методы управления бизнес-процессами развиваются, прежде всего, применительно к большим корпоративным информационным системам. При этом отсутствует анализ возможности использования этих методов для небольших гибких информационных систем, их адаптации к конкретным условиям работы малых предприятий. В статье рассмотрена разработка принципов построения и анализа эффективных информационных систем для малых предприятий. Решение данной проблемы связано с выявлением особенностей предметной области малого бизнеса, определением критериев качества информационной системы с учетом требований ее пользователей, анализа и синтеза функциональной структуры информационной системы по заданным критериям.

Потребительское качество информационных систем для малых предприятий

Data mining предоставляет широкий набор инструментов для выявления важной информации в аналитических CRM-системах взаимодействия с клиентами предприятия. Развитие веб-технологий дает возможность построить более эффективную систему отношений с клиентами, основанную на знаниях, которую ранее было трудно реализовать в режиме офлайн.
В данной статье описывается архитектура CRM-системы, использующей методы Web Mining и принципы адаптивного управления.

ужасы / мистика

мистика

яхтинг

мистические тайны

прошлое и настоящее

остросюжетная фантастика

мужчина и женщина

Архитектура адаптивной веб-ориентированной системы взаимодействия с клиентами, основанной на технологиях Web Mining

Веб-технологии и электронный маркетинг предоставляют университетам новые возможности для организации более эффективного взаимодействия с потребителями образовательных услуг. Образовательный портал университета становится единой точкой взаимодействия университета со всеми категориями заинтересованных пользователей. Основная проблема, ограничивающая возможности использования образовательного портала в качестве действенного инструмента электронного маркетинга, заключается в отсутствии процедур оценки качества портала как на этапе проектирования, так и в ходе его эксплуатации. В статье описывается модель оценки качества портала вуза, использующая методы экспертной оценки и нечеткой логики, с точки зрения возможностей эффективного продвижения образовательных услуг.

Нечеткая модель оценки качества портала вуза для эффективного продвижения образовательных услуг

В работе рассматриваются нечеткие модели анализа качества микросервисных архитектур, которые являются одним из основополагающим подходов к созданию и сопровождению современных, быстро реагирующих на изменения запросов бизнеса, информационных систем. Реализация непрерывной поставки программных компонентов для динамичных бизнес-процессов информационных систем может быть осуществлена различными наборами микросервисов, оптимальный выбор и модификация которых представляет сложную многоальтернативную задачу. Предлагаемый подход направлен на решение задачи выбора микросервисов ИС с учетом обеспечения качества обслуживания на базе нечетких моделей. Решение данной задачи позволит проводить обоснованный выбор эффективных вариантов наборов микросервисов для информационных систем.

Анализ качества микросервисов информационной системы на базе нечеткой модели

В работе представлен новый подход к решению задачи персонализации обучения в условиях динамичной электронной среды. Для выработки рекомендаций студентам по выбору наиболее подходящего для них онлайн-курса используется семантический подход, основанный на представлении и использовании знаний о предметной области электронного обучения и о характеристиках обучающегося. В рамках данного подхода предложена методика использования OWL-онтологии для интеграции ресурсов в индивидуальную траекторию обучения. Онтологии обеспечивают более адекватное представление онлайн-ресурсов и совместимость формата запроса пользователя с описаниями учебных ресурсов от разных разработчиков. Определена архитектура системы поддержки электронного обучения по выбору онлайн-ресурсов для дальнейшего их включения в индивидуальную траекторию обучения студента.
Рекомендательная система анализирует контекст профиля пользователя для формирования рекомендации контента учебного курса. Система использует информацию из анкет и запросов пользователя для поиска семантического соответствия между информацией о курсе и профилем пользователя – обучающегося. Разрабатываемая система реализуется в виде набора персональных агентов и сервисов, которые взаимодействуют на основе базы знаний, представленной в виде комплекса взаимосвязанных онтологических моделей. Система рекомендует ресурс в зависимости от текущих запросов и характеристик пользователя в соответствии с его профилем. В процессе работы система динамически обновляет базу знаний о текущих характеристиках пользователя, тем самым повышая эффективность формируемых рекомендаций. На основе полученных рекомендаций пользователь может выбрать наиболее подходящий вариант композиции учебных материалов с учетом своего уровня знаний и своих предпочтений.

литературоведение

Семантические технологии в системе поддержки онлайн-обучения

Широкое распространение веб-ориентированных систем в сфере бизнеса, маркетинга, электронного обучения и др. вызывает необходимость учета и анализа информационных потребностей пользователя в целях оптимизации взаимодействия с ним. Одной из основных проблем создания адаптивных веб-ориентированных систем является задача классификации информационных ресурсов (страниц) портала, описывающих предлагаемый товар или услугу, для последующего формирования профилей пользователей и персонализации предоставления услуг. Для ее решения могут быть использованы методы интеллектуального анализа данных и машинного обучения. В статье представлен новый подход к созданию адаптивных веб-ориентированных информационных систем, основанный на использовании алгоритмов обучения с подкреплением в целях классификации информационных ресурсов и выдачи персонализированных рекомендаций пользователям с учетом их предпочтений. Предложен и обоснован адаптивный подход, основанный на использовании алгоритмов обучения с подкреплением (Reinforcement Learning), позволяющий автоматически находить в процессе работы системы наиболее эффективные стратегии, необходимые для правильной классификации веб-ресурсов сайта и формирования групп пользователей с однотипными запросами и предпочтениями. Предложенная схема позволяет создать процедуры для оценки и ранжирования информационных ресурсов системы на основе анализа поведения пользователей на сайте в режиме онлайн. Используемые алгоритмы обучения с подкреплением дают возможность оценить релевантность каждой страницы сайта запросам и предпочтениям пользователей из разных категорий, с тем чтобы оптимизировать структуру и контент сайта, а также построить эффективную систему рекомендаций в соответствии с интересами пользователя для возможности выбора наиболее подходящих товаров или услуг.

И. Ю. Шполянская