Помощь в учёбе, очень быстро...
Работаем вместе до победы

Анализ и разработка моделей и алгоритмов адаптации и управления навигационной структурой интернет-ресурсов

Диссертация: Анализ и разработка моделей и алгоритмов адаптации и управления навигационной структурой интернет-ресурсов
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Исследования. Развитие информационных и телекоммуникационных технологий привело к значительному увеличению объема информации, опубликованной в сети Интернет. Согласно исследованиям компании Cisco к 2010 году ежемесячный объем информации, передаваемый в сети Интернет, возрастет до 21,47 экзабайт в месяц, из которых 7,23 экзабайт приходится на загрузку файлов и электронных страниц. При этом… Читать ещё >

Содержание

  • Используемые сокращения
  • Глава 1. Исследование проблем и особенностей адаптации Интернет-ресурсов (ИР)
    • 1. 1. Классификация и обобщенная структура ИР
    • 1. 2. Показатели эффективности использования ИР
    • 1. 3. Проблемы использования неадаптивных ИР
    • 1. 4. Обзор существующих методов и математического аппарата адаптации ИР
    • 1. 5. Постановка задачи диссертационного исследования
  • Выводы по главе 1
  • Глава 2. Анализ и разработка алгоритма адаптации ИР
    • 2. 1. Анализ и формализация процесса адаптации ИР
    • 2. 2. Разработка математической модели пользователя ИР
    • 2. 3. Разработка математической модели процесса адаптации ИР
    • 2. 4. Определение показателей эффективности алгоритма адаптации ИР
    • 2. 5. Алгоритмизация процесса адаптации ИР
  • Выводы по главе 2
  • Глава 3. Исследование и оценка эффективности алгоритма адаптации ИР
    • 3. 1. Выбор методики моделирования поведения пользователей ИР
    • 3. 2. Разработка методики оценки алгоритма адаптации ИР
    • 3. 3. Верификация алгоритма моделирования поведения пользователей
    • 3. 4. Анализ и оценка эффективности работы алгоритма рекомендации
    • 3. 5. Исследование ограничений алгоритма адаптации ИР и методика их устранения
  • Выводы по главе 3
  • Глава 4. Программная реализация и верификация алгоритма адаптации PIP
    • 4. 1. Структура программных модулей, реализующих алгоритма адаптации PIP
    • 4. 2. Определение параметров и планирование экспериментов для оценки эффективности работы алгоритма адаптации PIP
    • 4. 3. Экспериментальное исследование алгоритма адаптации PIP
    • 4. 4. Анализ результатов экспериментального исследования алгоритма адаптации PIP
  • Выводы по главе 4

Анализ и разработка моделей и алгоритмов адаптации и управления навигационной структурой интернет-ресурсов (реферат, курсовая, диплом, контрольная)

Актуальность темы

исследования. Развитие информационных и телекоммуникационных технологий привело к значительному увеличению объема информации, опубликованной в сети Интернет. Согласно исследованиям компании Cisco к 2010 году ежемесячный объем информации, передаваемый в сети Интернет, возрастет до 21,47 экзабайт в месяц, из которых 7,23 экзабайт приходится на загрузку файлов и электронных страниц [1]. При этом исследования компании IDC показывают, что общий мировой объем цифровой информации составит 966 экзабайт [2].

Рост объема информации в сети Интернет приводит к возникновению проблемы когнитивной перегруженности и дезориентации конечных пользователей [3], связанной с повышением сложности поиска необходимой информации, размещенной на Интернет-ресурсах (ИР).

Одним из возможных путей решения данной проблемы является автоматическая адаптация навигационной структуры ИР, позволяющая уменьшить время поиска необходимой информации посредством добавления в навигационную структуру электронных страниц релевантных текущим потребностям пользователей.

Однако в настоящее время сегмент адаптивных ИР развит слабо [4]. Согласно известным данным лишь 31% ИР обладают адаптивными возможностями, из которых только 3% ИР производят адаптацию с учетом предпочтений пользователей. Причины возникновения данной ситуации связаны с малой изученностью проблемы в области объекта исследования, а также в недостатке моделей и алгоритмов адаптации навигационной структуры Интернет-ресурсов.

Исследованию проблемы поиска информации, в том числе и в сети Интернет, посвящено большое количество работ отечественных ученых Ландэ Д. В. [5, 6], Байкова В. Д. [7], Барсегяна А. А. и Куприянова М. С. [8, 9, 10], Гасанова Э. Э. [11, 12], Кудрявцева В. Б. [12] и др. Среди исследований проблемы адаптации навигационной структуры ИР своей проработанностью выделяются диссертационные работы на соискание кандидатской степени Зайцева И. Б., Целых А. А. и Майкевич Н. В. Однако применение разработанных данными авторами моделей и алгоритмов возможно лишь для узкого класса Интернет-ресурсов. Кроме того, мало внимания уделяется аспекту практического применения разработанных методик.

С учетом вышеизложенного задача создания универсальных моделей и алгоритмов адаптации навигационной структуры, применимых для широкого класса ИР, является актуальной и имеет научную и практическую значимость. При этом особую важность имеют вопросы, связанные с практическим применением разработанных алгоритмов и их интеграцией с существующими ИР.

Объект и предмет исследования. Объектом исследования данной работы являются Интернет-ресурсы, пользователи которых могут испытывать когнитивную перегруженность вследствие большого объема информации, размещенной на ресурсе. Предметом исследования и разработки являются модели и алгоритмы адаптации навигационной структуры Интернет-ресурса в соответствии с потребностями пользователей.

Цель и задачи исследования

Целью работы является анализ и разработка моделей и алгоритмов адаптации и управления навигационной структурой Интернет-ресурсов, способных уменьшить время, затрачиваемое пользователями на поиск необходимой информации, а также увеличить число конверсии с целью повышения экономической эффективности ИР.

Для достижения указанной цели в диссертации необходимо решить следующие задачи:

1) провести анализ существующих методов и алгоритмов адаптации ИР;

2) определить основные показатели эффективности работы алгоритма адаптации и управления навигационной структурой ИР;

3) создать математические модели, необходимые для разработки алгоритма адаптации и управления навигационной структурой ИР;

4) провести анализ и оценку эффективности разработанного алгоритма адаптации и управления навигационной структурой ИР;

5) разработать структуру программных модулей и выполнить программную реализацию алгоритма адаптации и управления навигационной структурой ИР;

6) осуществить экспериментальную верификацию программной реализации алгоритма адаптации и управления навигационной структурой ИР.

Методы исследования. Для решения вышеперечисленных задач были использованы теоретико-графовые и теоретико-вероятностные методы, методы математической статистики и бинарной классификации, а также методы имитационного моделирования сложных систем.

Научная новизна. Научная новизна работы заключается в получении следующих новых научных результатов:

1) проведена формализация задачи адаптации ИР методом сведения к многокритериальной оптимизации целевой функции;

2) предложен алгоритм проведения адаптации навигационной структуры ИР на основе кластеризации историй посещений ИР и добавления в навигационную структуру электронных страниц с наибольшим индексом предпочтения;

3) разработана методика имитационного моделирования поведения пользователей ИР с применением таблицы вероятностей переходов между электронными страницами ИР, основанных на смеси цепей Маркова;

4) разработана методика определения эффективности работы алгоритма адаптации и управления навигационной структурой

ИР, заключающаяся в проведении ROC-анализа алгоритма рекомендации и вычисления прогностической силы алгоритма;

5) разработана структура программных модулей, реализующих адаптацию навигационной структуры ИР, которая обеспечивает возможность интеграции сторонних модулей обработки журналов веб-сервера.

Практическая значимость работы. Самостоятельное практическое значение имеют:

1) формализованное представление задачи адаптации ИР;

2) формализованное представление модели пользователя в случае навигационной адаптации ИР;

3) имитационная модель поведения пользователя ИР;

4) программная реализация разработанных алгоритмов.

Основные положения, выводы и рекомендации диссертации ориентированы на широкое применение в информационно-поисковых системах, системах Интернет-страхования, а также системах электронной коммерции: В2 В, В2С, B2G.

Достоверность полученных результатов и выводов подтверждена научной обоснованностью основных полученных теоретических выводов и положений, а также высокой корреляцией результатов имитационного моделирования с полученными экспериментальными данными.

Реализация и внедрение результатов работы. Все работы по реализации и внедрению результатов диссертационного исследования проводились при непосредственном участии автора. Результаты работы использованы ЗАО «БонаСорс» при создании системы навигационной адаптации ИР «КАИР». Интеграция системы «КАИР» с веб-сервисом «Wild Apricot» позволила уменьшить когнитивную перегруженность пользователей ИР, относящихся к области приборостроения, в среднем на 12%. Ряд полученных результатов также используется при проведении лекционных и практических занятий по курсам «Интернет-программирование» и «Базы данных» в Московском государственном институте электронной техники (техническом университете).

Внедрение результатов диссертационной работы подтверждено соответствующими актами, копии которых приведены в приложении 1.

На защиту выносятся:

1) результаты анализа проблемы разработки методов и алгоритмов адаптации PIP;

2) формализация задачи адаптации PIP;

3) алгоритм навигационной адаптации PIP;

4) модель имитации поведения пользователей PIP;

5) результаты верификации работы алгоритма;

6) результаты реализации предложенных моделей и алгоритмов.

Апробация работы. Основные результаты исследований представлены на 6 международных, всероссийских и межвузовских научных конференциях:

1. Тринадцатая Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика — 2006» — г. Москва, МИЭТ, 2006 г.

2. Девятнадцатая Всероссийская научно-техническая конференция «Информационные технологии в науке, проектировании и производстве» — г. Нижний Новгород, ННИМЦ «Диалог», 2006 г.

3. Международная научно-практическая конференция «Новые информационные технологии в образовании «, г. Екатеринбург, ГОУ ВПО «Российский государственный профессионально-педагогический университет», 2007 г.

4. Восьмая Всероссийская научно-техническая конференция «Теоретические и прикладные вопросы современных информационных технологий» — г. Улан-Удэ, ГОУ ВПО «Восточно-Сибирский государственный технологический университет», 2007 г.

5. Четырнадцатая Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика — 2007» — г. Москва, МИЭТ, 2007 г.

6. Всероссийская межвузовская научно-практическая конференция «Актуальные проблемы информатизации. Развитие информационной инфраструктуры, технологий и систем» — г. Москва, МИЭТ, 2007 г.

Публикации. Основные результаты диссертации представлены в 12 работах, опубликованных в центральных журналах, сборниках и вузовских изданиях России.

Личный вклад автора. Все результаты получены автором лично. Главными из них являются:

1) обоснование необходимости навигационной адаптации ИР;

2) формализация задачи адаптации ИР;

3) разработка алгоритма навигационной адаптации ИР;

4) разработка методики имитационного моделирования поведения пользователей ИР;

5) реализация разработанного алгоритма навигационной адаптации ИР.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы и приложений. Работа содержит 116 страниц основного текста, 30 рисунков, 15 таблиц, список литературы из 111 наименований и 3 приложения. Приложения содержат листинги программ, копии документов о внедрении и использовании, результаты имитационного моделирования поведения пользователей ИР.

Основные результаты диссертационного исследования заключаются в следующем:

1. На основе исследования существующих методов и алгоритмов проанализированы проблемы и особенности, связанные с адаптацией ИР. Обусловлена целесообразность применения адаптации ИР различных классов.

2. Предложена формальная постановка задачи адаптации ИР. Определены основные показатели эффективности работы алгоритма адаптации ИР.

3. Разработан алгоритм навигационной адаптации ИР на основе коллаборативной (совместной) фильтрации навигационных историй пользователей. Предложены механизмы устранения шумовых посещений. Разработана методика инициализации алгоритма кластеризации Аг-средних, уменьшающая влияние выбора центров кластеров на результаты работы алгоритма. Предложен способ определения расстояния между кластерами навигационных историй на основе вычисления максимального общего подграфа с использованием алгоритма МакГрегора.

4. Произведен сбор и обработка навигационной информации поведения пользователей на основе трех ИР, относящихся к области приборостроения, что позволило определить оптимальные значения константных величин предложенных алгоритмов.

5. На основе математической модели разработана методика имитации поведения пользователей ИР. В основу методики положены статистические данные о посещениях пользователями ИР и прогнозирование навигации на основе смеси цепей Маркова. Проведена экспериментальная оценка разработанной методики, которая свидетельствует о высокой точности имитации поведения пользователей ИР.

6. Исследована эффективность работы алгоритма навигационной адаптации ИР на основе применения ROC-анализа. Показано, что прогностическая сила алгоритма в среднем принимает значение 0,716, что на основании экспертной шкалы является хорошим показателем.

7. Произведено исследование снижения когнитивной перегруженности пользователей в результате работы алгоритма адаптации ИР. Результаты исследования показывают о снижении когнитивной перегруженности пользователей в среднем на 12%.

8. Осуществлена программная реализация разработанных алгоритмов с применением языка программирования С# и СУБД Microsoft SQL Server 2008. Проведенные вычисления метрик качества программного кода свидетельствуют о высоком качестве программной реализации.

9. Программная реализация разработанных алгоритмов интегрирована в информационную систему «Wild apricot». Результаты эксплуатации свидетельствуют об увеличении числа конверсий пользователей в среднем на 19%.

Заключение

Показать весь текст

Список литературы

  1. Cisco. Cisco visual networking index: forecast and methodology, 2008−2013. -(http://www.cisco.com/en/US/solutions/collateral/ns341/ns525/ns537/ns705/ns 827/white paper cll-481 360.pdf).
  2. IDC. The expanding digital universe a forecast of world-wide information growth through 2010. http://www.emc.com/collateral/analyst-reports/expanding-digital-idc-white-paper.pdf).
  3. Ransom, S. Disorientation and cognitive overhead in hypertext systems / S. Ransom, X. Wu, H. Schmidt // International journal of artificial intelligence tools. 1997. — Vol. 6, № 2. — P. 227−253.
  4. , А. Б. Адаптивные гипермедиа издания, интегрированные в Интернет : дис. канд. техн. наук: 05.13.06. М., 2005. — 150 с.
  5. , Д. В. Поиск знаний в Internet / Д. В. Ландэ. Киев: Диалектика, 2005.-272 с.
  6. , Д. В. Интернетика. Навигация в сложных сетях. Модели и алгоритмы / Д. В. Ландэ, А. А. Снарский, И. В. Безсуднов. М.: Либроком, 2009. — 264 с.
  7. , В. Д. Интернет. Поиск информации. Продвижение сайтов / В. Д. Байков. СПб.: BHV, 2000. — 288 с.
  8. , А. А. Анализ данных и процессов / А. А. Барсегян и др. -СПб.: БХВ-Петербург, 2009. 512 с.
  9. , А. А. Методы и модели анализа данных: OLAP и Data mining / А. А. Барсегян, М. С. Куприянов, В. В. Степаненко. СПб.: БХВ-Петербург, 2004. — 336 с.
  10. , А. А. Технологии анализа данных. Data mining, visual mining, text mining, OLAP / А. А. Барсегян и др. СПб.: БХВ-Петербург, 2007. -384 с.
  11. П.Гасанов, Э. Э. Теория сложности информационного поиска / Э. Э. Гасанов. М.: МГУ, 2005. — 144 с.106
  12. , Э. Э. Теория хранения и поиска информации / Э. Э. Гасанов, В. Б. Кудрявцев. М.: ФИЗМАТЛИТ. — 288 с.
  13. , Я. Л. Интернет-ресурсы и услуги для библиотек. Часть 1 / Я. Л. Шрайберг, М. В. Гончаров, О. В. Шлыкова. М.: Либерия, 2001. — 72 с.
  14. , С. В. Информационное моделирование Web-pecypcoB Интернет / С. В. Мальцева. -М.: Глобус, 2003. 216 с.
  15. , О. В. Бизнес-веб будущее электронной коммерции / О. В. Казакова // Сетевой журнал. — 2001. — № 4.http ://www. setevoi.ru/cgi-bin/text.pl/magazines/2001/4/12).
  16. , Н. Н. Настоящее и будущее Интернета и поисковых систем / Н. Н. Елманова, О. С. Татарников // КомпьютерПресс. — 2006. № 2. -(http.7/www.compress.ru/article.aspx?id=14 777&iid=703).
  17. , О. С. Состояние и перспективы развития Интернета / О. С. Татарников // КомпьютерПресс. 2007. — № 1. — (http://wwwxompress.ru/article.aspx?id=17 118&iid=792).
  18. Московский государственный институт электронной техники. М., 2006. -С. 218.
  19. , А. С. Венчурные деньги для IT заканчиваются / А. С. Симакина // CNews. 2009. — № 1.http://www.cnews.ru/news/top/index.shtml72009/01/20/335 123)
  20. Peterson, Е. Web analytics demystified: A marketer’s guide to understand how you web site affects your business / E. Peterson. Seattle: Celilo group media, 2004. — 266 p.
  21. Sterne, J. Web metrics: proven methods for measuring web site success / J.
  22. , Е. А. Технология программирования / Е. А. Жоголев. — М.: Научный мир, 2004. 216 с.
  23. , Б. Инженерное проектирование программного обеспечения / Б. Боэм. М.: Радио и связь, 1985. — 512 с.
  24. ЗО.Зелковец, А. Принципы разработки программного обеспечения / А. Зелковец, А. Шоу, Дж. Гэннон. М.: Мир, 1982. — 368 с.
  25. , Ф. Мифический человеко-месяц или как создаются программные системы / Ф. Брукс. М.: Наука, 1979. — 152 с.
  26. , В. В. Проектирование программных средств: учебное пособие для ВУЗов / В. В. Липаев. М.: Высшая школа, 1990. — 303 с.
  27. Tsandilas, Т. Adaptive hypermedia and hypertext navigation: research overview for depth oral examination / T. Tsandilas // Department of computer science, University of Toronto. — 2003. — 34 p.
  28. Fink, J. Adaptable and adaptive information provision for all users, including disabled and elderly people / J. Fink, A. Kobsa, A. Nill // The new review of hypermedia and multimedia. 1998. -№ 4. — P. 163−188.
  29. Mezak, J. An approach to modeling adaptive hypermedia for children with disabilities / J. Mezak, N. Hoic-Bozic // The 3rd IEEE International Conference. 2003. — Vol. 9, № 11. — P. 344−345.
  30. Nguyen, L. Combination of Bayesian Network and Overlay Model in User Modeling / L. Nguyen, P. Do // Lecture notes in computer science: Computational science. 2009. — Vol. 5545/2009. — P. 5−14.
  31. Glushkova, T. Adaptive model for user knowledge in the e-learning system / T. Glushkova // ACM International Conference Proceeding Series. — 2008. — Vol. 374.-P. 1−7.
  32. Goy, A. Personalization in e-commerce applications / A. Goy, L. Ardissono, G. Petrone // Lecture notes in computer science: The adaptive web. 2007. — Vol. 4321/2007.-P. 485−520.
  33. Kobsa, A. Personalised hypermedia presentation techniques for improving online customer relationships / A. Kobsa, J. Koenemann, W. Pohl // The knowledge engineering review. 2001. — Vol. 16, № 2. — P. 111−155.
  34. Peppers, D. The One to One Future: Building Relationships One Customer at a Time / D. Peppers, M. Rogers. New South Wales: Currency press, 1997. -429 P.
  35. Brusilovsky, P. Methods and techniques of adaptive hypermedia / P. Brusilovsky // User modeling and user adapted interaction. 1996, Vol. 6, № 2. -P. 87−129.
  36. De Bra, P. Adaptive Hypermedia on the Web: Methods, Technology and Applications / P. De Bra // Proceedings of the AACE WebNet'98 Conference. -Orlando, 1998. P. 220−225.
  37. Pohl, W. Logic-based representation and reasoning for user modeling shell systems / W. Pohl // User modeling and user-adapted interaction. 1999. — Vol. 9, № 3. — P. 217−282.
  38. Jameson, A. Numerical uncertainty management in user and student modeling: an overview of systems and issues / A. Jameson // User modeling and user-adapted interaction. 1996. — Vol. 5, № 3. -P. 193−251.
  39. Zukerman, I. Predictive statistical models for user modeling / I. Zukerman, D. Albrecht // User modeling and user-adapted interaction. 2001. — Vol. 11, № 1. -P. 5−18.
  40. Bauer, M. A Dempster-Shafer approach to modeling agent preferences for plan recognition / M. Bauer // User modeling and user-adapted interaction. 1996 — Vol. 5,№ 3.-P. 317−348.
  41. Jennings, A. A user model neural network for a personal news service / A. Jennings, H. Higuchi // User modeling and user-adapted information. — 1993. — Vol. 3,№ l.-P. 1−25.
  42. Pazzani, M. Learning and revising user profiles: The identification of interesting web sites / M. Pazzani, D. Billsus // Machine learning. 1997. -Vol. 27, № 3.-P. 313−331.
  43. Breese, J. Empirical analysis of predictive algorithms for collaborative filtering / J. Breese, D. Heckerman, C. Kadie // In proceedings of the fourteenth conference on uncertainty in artificial intelligence. — Madison, 1998. P. 43−52.
  44. Koch, K. Introduction to Bayesian statistics / K. Koch. Warren: Springer, 2007. — 250 p.61 .Черноруцкий, И. Г. Методы принятия решений / И. Г. Черноруцкий. -СПб.: БХВ-Петербург, 2005. 416 с.
  45. , О. И. Теория и методы принятия решений, а также хроника событий в Волшебных странах / О. И. Ларичев. М.: Логос, 2006. — 392 с.
  46. , С. Н. Формализация процесса адаптации электронных информационных ресурсов / С. Н. Соколов // Естественные и технические науки. 2009. — № 1. — С. 272−275.
  47. Adomavicius, G. Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions / G. Adomavicius, A. Tuzhilin // IEEE transactions on knowledge and data engineering. 2005. -Vol. 17, № 6.-P. 734−749.
  48. Herlocker, J. Evaluating collaborative filtering recommender systems / J. Herlocker, J. Konstan, L. Terveen, J. Riedl // ACM transactions on information systems. 2004. — Vol. 22, № 1. — P. 5−53.
  49. Рагк, Y. Modeling browsing behavior at multiple websites / Y. Park, P. Fader // Marketing science. 2004. — Vol. 23, № 3. — P. 280−303.
  50. Marlin, B. Modeling user rating profiles for collaborative filtering / B. Marlin // Advances in neural information processing systems. — 2004. Vol. 16. — P. 627−634.
  51. , С. H. Исследование алгоритма навигационной адаптации Интернет-ресурсов на основе коллаборативной фильтрации / С. Н. Соколов // Естественные и технические науки. — 2009. — № 5. — С. 298−301.
  52. Melville, P. Content-Boosted Collaborative Filtering for Improved Recommendations / P. Melville, R. Mooney, R. Nagarajan // In proceedings ofthe Eighteenth National Conference on Artificial Intelligence. Edmonton, 2002.-P. 187−192.
  53. , И. Д. Кластерный анализ / И. Д. Мандель. — М.: Финансы и статистика, 1988. 176 с.
  54. Чубукова, И. A. Data mining / И. А. Чубукова. М.: Бином, 2008. — 384 с.
  55. Ullman J. An algorithm for subgraph isomorphism / J. Ullman // Journal of the ACM.-1976.-Vol. 23, № 1.-P. 31−42.
  56. Bunke, H. A graph distance metric based on the maximal common subgraph / H. Bunke, K. Shearer // Pattern recognition letters. 1998. — Vol. 19, № 3. — P. 255−259.
  57. Read, R. The graph isomorphism disease / R. Read, D. Corneil // Journal of Graph Theory. 1977. Vol. 1, № 4. -P. 339−363.
  58. Levi, G. A note on the derivation of maximal common subgraphs of two directed or undirected graphs / G. Levi // Calcolo. 1973. — Vol. 9, № 4. — P. 341−352.
  59. Conte, D. Thirty years of graph matching in pattern recognition / D. Conte, A. Foggia, C. Sansone, M. Vento // International journal of pattern recognition and artificial intelligence. 2004. — Vol. 18, № 3. — P. 265−298.
  60. McGregor, J. Backtrack search algorithm and the maximal common subgraph problem / J. McGregor // Software: practice and experience. — 1982. Vol. 12, № 1.-p. 23−34.
  61. Yatskiv, I. The methods of cluster analysis results validation / I. Yatskiv, L. Gusarova // Transport and telecommunication journal. 2005. — Vol. 6, № 1. — P. 75−80.
  62. , Б. Я. Моделирование систем: Учебник для вузов / Б. Я. Советов, С. А. Яковлев. М.: Высшая школа, 2001. — 343 с.
  63. , Ю.Б. Моделирование систем. Динамические и гибридные системы / Ю. Б. Колесов, Ю. Б. Сениченков. СПб.: БХВ-Петербург, 2006. — 224 с.
  64. , Ю. Н. Имитационное моделирование / Ю. Н. Павловский, Н. В. Белотелов, Ю. И. Бродский. М.: Академия, 2008. — 240 с.
  65. , Ю. Б. Моделирование систем. Практикум по компьютерному моделированию / Ю. Б. Колесов, Ю. Б. Сениченков. СПб.: БХВ-Петербург, 2007. — 352 с.
  66. , С. Н. Моделирование поведения пользователей Интернет-ресурсов на основе смеси цепей Маркова / С. Н. Соколов // Естественные и технические науки. 2009. — № 5. — С. 302−305.
  67. , Д. Цепи Маркова / Д. Ревюз. М.: РФФИ, 1997. — 432 с.
  68. JIoy, А. Имитационное моделирование / A. Jloy, В. Кельтон. Спб.: Питер, 2004. — 848 с.
  69. Thelwall, М. Link analysis: an information science approach / M. Thelwall. — New York: Academic Press, 2004. 282 p.
  70. Cadez, I. Model-based clustering and visualization of navigation patterns on web site / I. Cadez et al. // Data mining and knowledge discovery. 2003. -Vol. 7, № 4.-P. 399−424.
  71. , А. П. Методы и средства комплексного анализа данных / А. П. Кулаичев. М.: Инфра-М, 2006. — 512 с.
  72. Xie, L. A validity measure for fuzzy clustering / L. Xie, G. Beni // IEEE transactions on pattern analysis and machine intelligence. — 1991. Vol. 13, № 8.-P. 841−847.
  73. Dunn, J. Well separated clusters and optimal fuzzy partitions / J. Dunn // Journal of Cybernetics. 1974. — Vol. 4. — P. 95−104.
  74. Davies, D. A cluster separation measure / D. Davies, D. Bouldin // IEEE transactions on pattern analysis and machine intelligence. 1979. — Vol. 1, № 4.-P. 224−227.
  75. , В. С. Теория вероятностей и математическая статистика / В. С. Пугачев. М.: ФИЗМАТЛИТ, 2003. — 432 с.
  76. , А. А. Математическая статистика / А. А. Боровков. — М.: ФИЗМАТЛИТ, 2007. 704 с.
  77. Li, J. Combining usage, content and structure data to improve web site recommendation / J. Li, O. Zaiane // Lecture notes in computer science: e-commerce and web technologies. 2004. — Vol. 3182/2004. — P. 305−315.
  78. Taghipour, N. Using Q-learning for web recommendations from web usage data / N. Taghipour, S. Ghidary, A. Kardan // 12th International CSI Computer Conference. Tehran, 2007. — P. 2392−2395.
  79. Li, J. Using Distinctive Information Channels for a Mission-based Web Recommender System / J. Li, O. Zaiane // In proceeding of 6th web knowledge discovery workshop. Seattle, 2004. — P. 22−25.
  80. , И. А. Разработка моделей и алгоритмов для многокритериальной оценки качества графического пользовательского интерфейса: дис. канд. техн. наук: 05.13.01 -М., 2006. — 185 с.
  81. , В. М. Проектирование информационных систем: курс лекций / В. М. Трояновский. М.: МИЭТ, 2002. — 108 с.
  82. Pugh, К. Interface oriented design: with patterns / К. Pugh. Lewisville: Pragmatic Bookshelf, 2006. — 240 p.
  83. , С. Совершенный код / С. Макконнелл. М.: Русская редакция, 2008. — 896 с.
  84. Golding, Т. Professional .NET 2.0 Generics / Т. Golding. Indianapolis: Wrox Press Ltd., 2005. — 408 p.
  85. , Б. Объектно-ориентированное конструирование программных систем / Б. Мейер. М.: Русская редакция, 2005. — 1232 с.
  86. , М. Архитектура корпоративных приложений / М. Фаулер. М.: Вильяме, 2004. — 544 с.
  87. Hambrick, G. Persistence in the Enterprise: a guide to persistence technologies / G. Hambrick, K. Brown, R. Barcia. — New York: IBM Press, 2008. 464 p.
  88. , Д. Применение DDD и шаблонов проектирования. Проблемно-ориентированное проектирование приложений с примерами на С# и .NET / Д. Нильссон. М.: Вильяме, 2008. — 560 с.
  89. Safonov, V. Using aspect-oriented programming for trustworthy software development / V. Safonov. New Jersey: Wiley-Interscience, 2008. — 338 p.
  90. Lanza, M. Object-oriented metrics in practice: using software metrics to characterize, evaluate and improve the design of Object-oriented systems / M. Lanza, R. Marinescu. Warren: Springer, 2006. — 206 p.
  91. Martin, R. Clean code: a handbook of agile software craftsmanship / R. Martin. New Jersey: Prentice Hall PTR, 2008. — 464 p.
Заполнить форму текущей работой

Пора сдавать?