Разработка и исследование методов и алгоритмов для моделирования адаптивных веб-ресурсов на основе нечетких ультраграфов тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат технических наук Целых, Алексей Александрович

• Целых, Алексей Александрович
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Целых, Алексей Александрович

Введение

Глава 1. Разработка математических методов персонализации на основе исследования моделей адаптивных веб-ресурсов

1.1. Математические модели и методы персонализации в интернете 15 4 1.1.1. Модели информационного поиска

1.1.2. Методы совместной фильтрации

1.1.3. Методы интеллектуального анализа данных

1.1.3.1. Метод кластеризации транзакций и обращений к веб-ресурсу

1.1.3.2. Метод выдачи рекомендаций на основе нечеткого композиционного правила вывода

1.2. Разработка математической модели и методов проектирования адаптивных веб-ресурсов

1.2.1. Исследование адаптивных систем

1.2.2. Методы и технические приемы адаптивной гипермедиа

1.2.3. Модель адаптивного веб-ресурса

1.2.4. Модель пользователя

1.3. Выводы по первой главе

Глава 2. Использование нечетких графовых моделей для построения системы поддержки принятия решений в задачах персонализации

2.1. Метод оценки и классификации информационных потоков на основе нечеткой гиперграфовой модели

2.2. Метод определения набора критериев для системы поддержки принятия решений с многокритериальным выбором альтернатив

2.3. Выводы по второй главе

Глава 3. Разработка методов проектирования адаптивных веб-ресурсов на основе нечетких ультраграфовых моделей

3.1. Разработка теории и исследование нечетких ультраграфовых моделей

3.1.1. Определение и способы задания нечетких ультраграфов

3.1.2. Исследование нечетких ультраграфов с позиции нечетких соответствий

3.1.3. Связность и достижимость в нечетких ультраграфах

3.2. Метод определения живучести нечетких ультраграфов

3.2.1. Нечеткие полушарниры, шарниры и мосты в нечетких ультраграфах

3.2.2. Алгоритм поиска нечетких шарниров в нечетких ультраграфах

3.2.3. Алгоритм поиска нечетких шарниров в нечетких гиперграфах

3.3. Методы поиска нечетких ассоциативных правил на основе нечетких ультраграфов

3.3.1. Нечеткие транзакции и нечеткие ассоциативные правила

3.3.2. Паросочетания и покрытия в нечетком ультраграфе

3.3.3. Алгоритм поиска максимальных паросочетаний в нечетком ультраграфе

3.3.4. Методы поиска минимальных нечетких трансверсалей в нечетком гиперграфе

3.4. Методы кластеризации ассоциативных правил на основе нечетких ультраграфов

3.4.1. Метод кластеризации на основе автокомпозиции нечетких ультраграфов

3.4.2. Метод кластеризации на основе разрезания нечетких ультраграфов

3.5. Экспериментальная оценка эффективности адаптивного поиска

3.6. Выводы по третьей главе

Введение диссертации (часть автореферата) на тему «Разработка и исследование методов и алгоритмов для моделирования адаптивных веб-ресурсов на основе нечетких ультраграфов»

Актуальность темы. Бурное развитие информационных технологий и Всемирной Паутины обусловило появление информационных систем, охватывающих интересы большого неоднородного коллектива пользователей. У непрофессиональных пользователей, как правило, не возникает стремления - особенно если у них нет времени - изучить более или менее сложный язык запросов. Интенсивное обучение применению языка запросов не представляется возможным еще и потому, что у пользователей различные цели, интересы и неодинаковая образовательная подготовка.

Проблему избытка информации можно эффективно решать путем адаптации информации к конкретному пользователю или группе пользователей. Эффективным инструментом адаптации в сети интернет являются механизмы персонализации. Они позволяют настроить веб-ресурс на нужды конкретного пользователя и в результате каждому посетителю предложить информацию и товары, соответствующие его вкусам и предпочтениям. При этом учитываются различия в индивидуальных социально-психологических и иных требованиях, обоснованные неоднородностью пользовательских запросов.

В настоящее время отслеживание поведения и предпочтений потребителей, а также взаимодействие с ними в реальном времени с помощью технологий персонализации, является одним из ключевых элементов работы с пользователями через интернет, беспроводные устройства и интерактивное телевидение. По данным исследования Forrester Research, лишь 13% веб-ресурсов содержат элементы персонализации, между тем, на них совершается 68% всех покупок в интернете. Согласно результатам исследования Evans Data Corporation, в котором участвовало более 800 производителей программного обеспечения из США и Канады, в ближайшие год-два экспоненциально растущим спросом будет пользоваться разработка решений в области персонализации. К 2006 году инвестиции в технологии персонализации составят 2,1 миллиарда долларов, и их разработка будет доминирующим направлением в развитии приложений для интернета.

Особую актуальность данный подход приобретает в системах электронной коммерции. Разнообразие потребительских товаров и услуг затрудняет выбор. Вместо прежнего относительно узкого диапазона коммерческих предложений потребитель сталкивается с сотнями и тысячами вариантов. Системы персонализации в интернете комбинируют проверенные приемы маркетинга с возможностями новой информационной среды. Они охватывают большой диапазон продукции, стараются определить индивидуальные вкусы и потребности и на основании этого выдать персональные рекомендации, подсказывающие, какой вариант для потребителя наиболее предпочтителен. Если такие рекомендации оказываются востребованными, они способствуют созданию дополнительной ценности и лояльности. Оказание помощи потребителю при его выборе способствует тому, что потребитель точнее и самостоятельнее определяет собственные вкусы.

Удобство для пользователя относится к так называемым нечетким понятиям, его невозможно определить точно и выразить количественно. Существенная часть знаний о пользователях носит скрытый, неявный характер. Выявить такие знания на основе анализа поведения пользователей в системе позволяют методы интеллектуального анализа данных и технологии добычи данных, ориентированные на автоматическое накопление и формирование знаний.

Информационные потоки в интернете, и в системах персонализации в частности, подвержены большому числу ошибок и нечеткостей, которые сопровождают все этапы, начиная с извлечения схем взаимодействия пользователей с веб-ресурсом и заканчивая выдачей рекомендаций. Они включают в себя стадии протоколирования обращений к веб-ресурсу, обработки протоколов с целью выделения пользовательских сессий и транзакций, кластеризации сессий и извлечения пользовательских профилей. Для моделирования столь широкого спектра нечеткостей естественным является обращение к теории нечетких множеств и мягких вычислений.

Разработка систем персонализации в интернете является предметом исследований большого числа ученых, по этой тематике проводятся многочисленные международные конференции, выходят книги и специальные выпуски журналов.

Теоретические и практические предпосылки настоящего исследования составили фундаментальные и прикладные работы ученых в следующих областях:

• человеко-машинные и ориентированные на пользователя информационные системы (П. Брусиловский, В.Г. Захаревич, Б. Мобашер, Д.А. Поспелов);

• представление и использования знаний и данных (М. Минский, X. Уэно), в том числе нечеткоопределенных (JI.A. Заде, JI.C. Берштейн, A.B. Боженюк, А. Кофман, А.Н. Мелихов, Н.Е. Сергеев, Э.А. Трахтенгерц, P.P. Ягер);

• представление структур данных и знаний с помощью графов, гиперграфов и ультраграфов (JI.C. Берштейн, А. Ахо, К. Берж, Р.Х. Гётчел, A.A. Зыков, Н. Кристофидес, О. Ope, M. Свами, У. Татт, Д. Хопкрофт);

• методы интеллектуального анализа данных (Р. Агравал, М. Вонг, А. Гинезей, В.А. Дюк).

Цель работы и задачи исследования. Целью диссертационной работы является развитие теории и разработка методов и алгоритмов решения задач интеллектуального анализа данных на основе нечетких ультраграфов, а также применение разработанных подходов к проектированию адаптивных интернет-ресурсов.

Поставленная цель определяет следующие основные задачи диссертационного исследования:

1. Выявление особенностей, характерных для рассматриваемого класса задач персонализации, и выбор адекватного подхода к разработке методов их решения.

2. Разработка концепции и методики создания адаптивной интеллектуальной информационно-советующей системы для решения задач персонализации в интернете.

3. Проведение исследований по изучению, разработке и теоретическому обоснованию формальных математических моделей и методов отображения структуры адаптивного веб-ресурса, представленного нечеткими фреймами, в нечеткие ультраграфы.

4. Разработка и исследование методов оценки и классификации информационных потоков в интернете на основе нечетких гиперграфовых и ультраграфовых моделей.

5. Исследование структурных свойств нечетких ультраграфов с позиции нечетких соответствий. Определение понятий нечетких полушарниров и нечетких шарниров, нечетких полумостов и нечетких мостов в нечетких ультраграфах.

6. Разработка и исследование методов и алгоритмов определения живучести нечетких ультраграфов на основе выделения нечетких шарниров.

7. Разработка методов и алгоритмов поиска нечетких ассоциативных правил на основе выделения всех биклик (максимальных полных двудольных подграфов) и нахождения всех максимальных паросочетаний в нечетком ультраграфе.

8. Разработка методов и алгоритмов кластеризации нечетких ассоциативных правил на основе автокомпозиции и разрезания нечетких ультраграфов.

Методы проведения исследований основаны на использовании теории и методов искусственного интеллекта, аппарата теории нечетких множеств и нечеткой логики, теории графов (гиперграфов и ультраграфов), методов интеллектуального анализа данных, теории информационного поиска.

Научная новизна работы заключается в следующем:

1. Предложена математическая модель адаптивного веб-ресурса, представленного нечеткими фреймами, позволяющая на основе нечетких ультраграфов естественно формализовать и исследовать индивидуальные запросы пользователей.

2. Впервые введены понятия и исследованы свойства нечетких полушарниров и нечетких шарниров, нечетких полумостов и нечетких мостов в нечетких ультраграфах.

3. Разработаны методы и алгоритмы определения живучести нечетких ультраграфов на основе выделения нечетких шарниров в нечетких ультраграфах.

4. Разработаны методы и алгоритмы поиска нечетких ассоциативных правил на основе выделения всех биклик и нахождения всех максимальных паросочетаний в нечетких ультраграфах.

5. Разработаны методы и алгоритмы кластеризации нечетких ассоциативных правил на основе разрезания нечетких ультраграфов.

Практическая ценность результатов исследования заключается в следующем:

1. Разработанные теоретические положения, методы и алгоритмы использованы при создании систем поддержки принятия решений, предназначенных для решения задач персонализации в интернете.

2. Разработанная концепция создания адаптивной интеллектуальной информационно-советующей системы использована при проектировании модуля персонализации веб-контента и организации динамической навигации по сайтам электронной коммерции.

3. Разработанные методы и алгоритмы выделения нечетких шарниров в нечетких ультраграфах использованы при создании комплекса проблемно-ориентированных прикладных программ.

4. Разработанные методы и алгоритмы поиска и кластеризации нечетких ассоциативных правил использованы при создании информационного портала, обеспечивающего индивидуальный подход к посетителям.

Достоверность полученных в диссертации результатов подтверждается математическими и аналитическими доказательствами и оценками, проведением вычислительных экспериментов на ЭВМ, результатами практического использования предложенных в диссертации моделей, методов и алгоритмов, подтвержденного актами и справками об их внедрении, а также апробацией работы на региональных, всероссийских и международных конференциях.

Реализация результатов работы. Диссертация выполнена в соответствии с основным направлением научно-исследовательской работы Таганрогского государственного радиотехнического университета «Формальные системы, искусственный интеллект и системы принятия решений».

Основные результаты диссертационной работы использованы и внедрены при выполнении научных проектов и научно-исследовательских работ, в том числе:

• при выполнении научного проекта Российского Фонда Фундаментальных Исследований (грант РФФИ 03-01-06498 MAC) по теме: «Разработка и развитие теории нечетких гиперграфов и их применение в качестве адекватных моделей сложных систем, работающих в условиях частичной неопределенности», проводимого в 2003 г.;

• при выполнении госбюджетной НИР №15551 «Разработка теории, моделей и методов принятия решений в интегрированных интеллектуальных системах на основе нечетких знаний и смешанного представления атрибутов», выполняемой на кафедре прикладной информатики ТРТУ в 2001-2004 г.г.;

• при разработке модуля персонализации веб-контента и организации динамической навигации по сайтам компании «Мезон.ру» (г. Санкт-Петербург), предоставляющим пользователям возможности поиска релевантных товаров в интернет-магазинах в 2000-2004 г.г.;

• при создании дилерского портала Южной Софтверной Компании «ЮСК: Дистрибьюция» (г.Ростов-на-Дону), обеспечивающего индивидуальный подход к пользователям с целью организации эффективной маркетинговой и информационно-технической поддержки партнеров по дистрибуции ПО в 2004-2005 г.г.

Внедрение и использование результатов диссертационной работы подтверждаются соответствующими актами и справками.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на И-м Международном научно-практическом семинаре "Интегрированные модели и мягкие вычисления в искусственном интеллекте" (Коломна, 2003 г.); Всероссийской научной конференции "Управление и информационные технологии УИТ-2003" (Санкт-Петербург, 2003 г.); международных научно-технических конференциях и молодежных научных конференциях "Интеллектуальные САПР" (Геленджик, 1999-2004 г.г.); Третьем Всероссийском симпозиуме по прикладной и промышленной математике (Сочи, 2002 г.); Научной сессии МИФИ-2001 "Банки данных. Интеллектуальные системы. Программное обеспечение" (Москва, 2001 г.); 3-й Международной научно-технической конференции "Интерактивные системы ИС-99" (Ульяновск, 1999 г.); И, V, VI, XI международных научно-технических конференциях "Математические методы и информационные технологии в экономике, социологии и образовании" (Пенза, 1999-2003 г.г.); II Всероссийской научно-практической конференции "Проблемы информатики в образовании, управлении, экономике и технике" (Пенза, 2002 г.); IV Международной научно-технической конференции "Логико-математические методы в технике, экономике и социологии " (Пенза, 1999 г.); IV, V, VI Всероссийских научных конференциях студентов и аспирантов "Техническая кибернетика, радиоэлектроника и системы управления" (Таганрог, 1998, 2000, 2002 г.г.); III Межгосударственной научно-практической конференции "Экономико-организационные проблемы проектирования и применения информационных систем" (Ростов-на-Дону, 1999 г.); 4-й Всероссийской научно-технической конференции студентов, молодых ученых и специалистов "Новые информационные технологии в научных исследованиях и в образовании" (Рязань, 1999 г.); I Всероссийской научной конференции молодых ученых и аспирантов "Новые информационные технологии. Разработка и аспекты применения" (Таганрог, 1998 г.); на ежегодных научно-технических конференциях профессорско-преподавательского состава, аспирантов и сотрудников ТРТУ.

Публикации. Результаты диссертации отражены в 14 печатных работах.

Структура и объем работы. Диссертационная работа состоит из введения, 3 основных глав, заключения, списка использованной литературы и 3 приложений.

Заключение диссертации по теме «Теоретические основы информатики», Целых, Алексей Александрович

3.6. Выводы по третьей главе

2. Разработан метод определения живучести нечетких ультраграфов на основе нахождения нечетких шарниров. Впервые введены понятия и исследованы свойства нечетких полушарниров и нечетких шарниров, нечетких полумостов и нечетких мостов в нечетких ультраграфах. Разработан алгоритм нахождения нечетких шарниров в нечетком ультраграфе на основе выделения всех элементарных циклов в нечетком ультраграфе. Алгоритм нахождения нечетких шарниров и генератор нечетких ультраграфов реализованы в виде программы на языке Си++. Предложен эффективный алгоритм нахождения нечетких шарниров в нечетких гиперграфах на основе разложения на а -уровни и метода поиска в глубину.

3. Разработаны методы и алгоритмы поиска нечетких ассоциативных правил. Показано, что задача поиска нечетких ассоциативных правил адекватна задаче выделения всех биклик (максимальных полных двудольных подграфов) в нечетком двудольном графе. Указанная задача решается поиском всех максимальных внутренне устойчивых множеств в дополнительном двудольном графе. В развитие метода чередующихся цепей для нечетких ультраграфов предложен алгоритм выделения всех максимальных паросочетаний в нечетком ультраграфе. Обобщены методы и алгоритмы поиска нечеткого гиперграфа трансверсалей.

4. Разработаны методы кластеризации нечетких ассоциативных правил на основе прямой автокомпозиции и разрезания нечеткого ультраграфа, позволяющие находить интересные ассоциативные правила в многомерных разреженных данных. Разработан последовательный локально оптимальный алгоритм разрезания нечеткого ультраграфа, разбивающий множество вершин на классы с оптимизацией целевой функции, характеризующей число разрывов нечетких дуг нечеткого ультраграфа. Экспериментальная оценка произведена на основе данных о посещениях сайта Microsoft из репозитория больших наборов данных с использованием количественной оценки эффективности выдаваемых рекомендаций на методов информационного поиска.

ЗАКЛЮЧЕНИЕ

В ходе проведенных исследований получены следующие основные научные и практические результаты:

1. Разработаны концепция и методика создания адаптивной интеллектуальной информационно-советующей системы, отличающейся от известных интеграцией семантических знаний и онтологий с целью учета иерархии концептов на множестве веб-ресурсов. Разработана математическая модель адаптивного веб-ресурса, представленного нечеткими фреймами, которая позволяет на основе нечетких ультраграфов естественно формализовать и исследовать индивидуальные запросы пользователей.

2. Разработаны и исследованы методы оценки и классификации информационных потоков на основе нечетких гиперграфовых моделей. Предложен метод определения набора значимых критериев для системы поддержки принятия решений с многокритериальным выбором альтернатив на основе выделения нечетких баз в нечетком графе, позволяющий ЛПР исследовать критерии, агрегированные в ранжируемые группы, и снять неопределенность оценки их важности.

3. Впервые введены понятия и исследованы свойства нечетких полушарниров и нечетких шарниров, нечетких полумостов и нечетких мостов в нечетких ультраграфах. Исследованы структурные свойства нечетких ультраграфов. Впервые предложен метод определения живучести нечетких ультраграфов на основе выделения нечетких шарниров в нечетких ультраграфах и разработаны алгоритмы нахождения нечетких шарниров в нечетких ультраграфах и нечетких гиперграфах.

4. Разработаны методы и алгоритмы поиска нечетких ассоциативных правил на основе выделения всех максимальных полных двудольных подграфов и нахождения всех максимальных паросочетаний в нечетких ультраграфах. Обобщены методы и алгоритмы нахождения нечеткого гиперграфа трансверсалей. При работе с базами данных с большим числом нечетких транзакций предложенный подход характеризуется более высокой производительностью в сравнении с традиционными алгоритмами Арпоп.

5. Разработаны методы и алгоритмы кластеризации нечетких ассоциативных правил на основе автокомпозиции и разрезания нечетких ультраграфов, позволяющие в условиях многомерных разреженных данных получать более качественные решения по сравнению с известными подходами. Предложен последовательный локально оптимальный алгоритм разрезания нечетких ультраграфов.

6. Разработаны прикладные программы, осуществляющие генерацию нечетких ультраграфов и реализующие алгоритмы поиска нечетких шарниров в нечетких ультраграфах. Правильность теоретических положений диссертационной работы, эффективность предложенных методов и алгоритмов подтверждаются результатами вычислительного эксперимента с использованием наборов данных из специализированного репозитория больших наборов данных.

126

Список литературы диссертационного исследования кандидат технических наук Целых, Алексей Александрович, 2005 год

1. Андрейчиков A.B., Андрейчикова О.Н. Интеллектуальные информационные системы. - М.: Финансы и статистика, 2004.

2. Астанин C.B., Берштейн Л.С., Захаревич В.Г. Проектирование интеллектуального интерфейса "человек-машина". Ростов н/Д.: Издательство РГУ, 1990. 118 с.

3. Астанин C.B., Захаревич В.Г. Обработка и представление знаний в информационно-советующих комплексах систем гибридного интеллекта. Таганрог: ТРТУ, 1997. 136 с.

4. Балабанов И.Т. Электронная коммерция. СПб: Питер, 2001.

5. Беллман Р., Заде Л.А. Принятие решений в расплывчатых условиях./ Вопросы анализа и процедуры принятия решений. М.: Мир, 1976. С.172-215.

6. Богданова Е.Л. Информационный маркетинг. Учебное пособие. СПб: Альфа, 2000.

7. Борисов А.Н., Алексеев A.B., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений.- М.: Радио и связь, 1989. 304 с.

8. Борисов А.Н., Крумберг O.A., Федоров И.П. Принятие решений на основе нечетких моделей: Примеры использования.- Рига: Зинатне, 1990. 184 с.

9. Боэм Б.У. Инженерное проектирование программного обеспе-чения. М.: Радио и связь, 1995. 512 с.

10. Ю.Гафт М.Г. Принятие решений при многих критериях. М.: Знание, 1979.

11. П.Гембл П., Стоун М., Вудкок Н. Маркетинг взаимоотношений с потребителями. М.: Гранд, 2002.

12. Гэри М., Джонсон Д. Вычислительные алгоритмы и труднорешаемые задачи. М.: Мир, 1982. 416 с.

13. Джерк Н. Разработка приложений для электронной коммерции. М.: СПб: Питер, 2001.

14. Дикарев С.Б., Целых A.A. Некоторые подходы к проектированию адаптивных систем. // Перспективные Информационные Технологии и Системы, №1(21), 2005. С. 11-23.

15. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике: Пер. с франц.- М.: Радио и связь, 1990. 288 с.

16. Дюк В., Самойленко A. Data Mining: учебный курс. СПб: Питер, 2001.

17. Евланов Л.Г. Теория и практика принятия решений / Редколлегия М. Сергеев и др. М.: Экономика, 1984. 176 с.

18. Емеличев В.А., Мельников О.И., Сарванов В.И., Тышкевич Р.И. и др. Лекции по теории графов. М.: Наука, 1990.

19. Енюков И.С., Ретинская И.В., Скуратов А.К. Статистический анализ и мониторинг научно-образовательных Интернет-сетей. М.: Финансы и статистика, 2004.

20. Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений / Математика сегодня. М.: Знание, 1974. С. 5-49.

21. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений.- М.: Мир, 1976. 168 с.

22. Заде Л.А. Размытые множества и их применение в распознавании образов и кластер-анализе. В кн.: Классификация и кластер. М.: Мир, 1980. С.208-247.

23. Зыков А. А. Гиперграфы. Успехи математических наук, 1974, N6, с.89-154.24.3ыков А. А. Основы теории графов. М.: Наука, 1987. 384 с.

24. Иванов Б.И. Дискретная математика. Алгоритмы и программы. М.: Лаборатория Базовых Знаний, 2001.

25. Кини P.J1., Райфа X. Принятие решений при многих критериях: Предпочтения и замещения. М.: Радио и связь, 1981. 560 с.

26. Козье Д. Электронная коммерция. М.: Русская редакция, 1999.

27. Корбут A.A., Финкельштейн Ю.Ю. Дискретное программирование. М.: Наука, 1969. 368 с.

28. Котлер Ф. Маркетинг в третьем тысячелетии: Как создать, завоевать и удержать рынок. М.: ACT, 2001.

29. Кофман А. Введение в прикладную комбинаторику. М.: Наука, Гл. ред. физ.-мат. лит., 1975. 480 с.

30. Кофман А. Введение в теорию нечетких множеств.- М.:Радио и связь, 1982,- 432 с.

31. Кристофидес Н. Теория графов. Алгоритмический подход. М.: Мир, 1978. 432 с.

32. Кузин Л.Т. Основы кибернетики. Т.2. Основы кибернетических моделей. Учеб.пособие для вузов. М.: Энергия, 1979. 584 с.

33. Лантон И. Маркетинг по базам данных. Минск: Амалфея, 1998.

34. Ларичев О.И. Человеко-машинные процедуры принятия решений (обзор). // Автоматика и телемеханика, 1971, № 12.

35. Ларичев О.И., Мошкович Е.М. Качественные методы принятиярешений. М: Наука. Физматлит.1996.

36. Люгер Д. Искусственный интеллект: Стратегии и методы решения сложных проблем. М.: Вильяме, 2003.

37. Малышев Н.Г., Берштейн Л.С., Боженюк Л.Г. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991.

38. Мелихов А.Н, Берштейн Л.С. Конечные четкие и расплывчатые множества. Часть 1. Четкие множества. Таганрог: ТРТИ, 1980.

39. Мелихов А.Н, Берштейн Л.С. Конечные четкие и расплывчатые множества. Часть 2. Расплывчатые множества. Таганрог: ТРТИ, 1981.

40. Мелихов А.Н., Берштейн JI.C. Гиперграфы в автоматизации проектирования дискретных устройств. Ростов-на-Дону: Изд-во РГУ, 1981.

41. Мелихов А.Н., Берштейн JI.C., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990.

42. Мелихов А.Н., Карелин В.П. Методы распознавания изоморфизма и изоморфного вложения четких и нечетких графов. Учебное пособие. Таганрог. ТРТУ, 1995.

43. Мец К. Инструменты персонализации: Web по индивидуальному заказу // PC Magazine/RE. 2000. - №10.

44. Минский М. Фреймы для представления знаний. М.: Прогресс, 1975.

45. Миркин Б.Г. Проблема группового выбора. М.: Наука, 1974.

46. Москвинова Г.И. Дискретная математика. Математика для менеджера. М.: Логос, 2000.

47. Некрестьянов И.С. Тематико-ориентированные методы информационного поиска. СПб: СПГУ, 2000.

48. Нечепуренко М.И., Попков В.К., Майнагашев С.М. Алгоритмы и программы решения задач на графах и сетях. Новосибирск: Наука. Сиб.отд., 1990.515 с.

49. Нечеткие множества в моделях управления и искусственного интеллекта./Под ред. Д.А. Поспелова.-М.: Наука, 1986. 312 с.

50. Нечеткие множества и теория возможностей. Последние достижения / Под ред. Р. Ягера. М.: Радио и связь, 1986.

51. Нильсон Н. Принципы искусственного интеллекта. М.: Радио и связь, 1985. 373 с.

52. Новиков Ф.А. Дискретная математика для программистов. СПб: Питер, 2000.54.0вчинников В.А. Алгоритмизация комбинаторно-оптимизационных задач при проектировании ЭВМ и систем. М.: МГТУ, 2001.

53. Ope О. Графы и их применение. Новокузнецк: НФМИ, 2000.

54. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука. Гл. ред. физ.-мат. лит., 1981.208 с. 43.

55. Поспелов Д.А. Ситуационное управление: теория и практика. М.: Гл.ред.физ.-мат. лит., 1986.- 288 с.

56. Постама П. Новая эра маркетинга. СПб.: Питер, 2002.

57. Прикладные нечёткие системы / Под ред. Т.Тэрано, К.Асаи, М. Оугэ-но.: Пер. с яп.- М.: Мир, 1993.

58. Реброва М.П. Автоматическая классификация в системах обработки информации. Поиск документов. М.: Радио и связь, 1983. 92с.

59. Розен В.В. Цель оптимальность - решение (математические модели принятия оптимальных решений. М.: Радио и связь, 1982. 168 с.

60. Саати Т., Керне К. Аналитическое планирование и организация систем. М. Радио и связь, 1991, 224с.

61. Старостина Т. А. О живучести нечетких графов // Обозрение прикладной и промышленной математики, 2002, т. 9, в. 3, с. 656.

62. Тихомиров Ю.А. Управленческие решения. М.: Наука, 1972.

63. Трахтенгерц Э.А. Субъективность в компьютерной поддержкеуправленческих решений. М.: Синтег, 2001.

64. Ульянов C.B. Нечёткие модели интеллектуальных систем управления: теоретические и прикладные аспекты (обзор) // Техническая кибернетика. 1991, N3, с.3-28.

65. Факторы, влияющие на принятие решений о покупке // Cosmo. 1999.

66. Фомин Г.П. Математические методы и модели в коммерческой деятельности. М.: Финансы и статистика, 2001.

67. Фрэнк Г., Фриш И. Сети, связь и потоки. М.: Связь, 1978.

68. Хэнсон У. Internet-маркетинг. М.: Юнити, 2001.

69. Целых А. А. Выделение нечетких шарниров в нечетких ориентированных гиперграфах второго рода // Известия ТРТУ.

70. Тематический выпуск: Проектирование и моделирование интеллектуальных систем. Таганрог: ТРТУ, 2004, №4. С.250-251

71. Целых A.A. К решению задач интеллектуального анализа данных на нечетких гиперграфах. // Проблемы информатики в образовании, управлении, экономике и технике: сборник материалов II Всероссийской научно-практической конференции. Пенза, 2002. С.27-30.

72. Целых A.A. Методы нахождения нечеткого гиперграфа трансверсалей. // Интегрированные модели и мягкие вычисления в искусственном интеллекте. Сборник трудов 11-го Международного научно-практического семинара. М.: Физматлит, 2003. С. 137-140.

73. Целых A.A. Методы персонализации процессов взаимодействия сторон в электронной коммерции на основе кластеризации.// Известия ТРТУ. Тематический выпуск: Интеллектуальные САПР. Таганрог: ТРТУ, 2000, №2(16). С.73-75.

74. Целых А.А. Нечеткая гиперграфовая модель кластеризации для автоматической персонализации в электронной торговле. // Обозрение прикладной и промышленной математики. М.: ОПиПМ, 2002. С.483.

75. Целых А.А. Технология работы виртуального магазина. // Новые информационные технологии. Разработка и аспекты применения. Тезисы докладов I Всероссийской научной конференции молодых ученых и аспирантов. Таганрог, 1998. С.138-140.

76. Целых А.А. Формирование оптимальных информационных потоков в сети Интернет при нечетких запросах пользователей // Известия ТРТУ. Тематический выпуск: Интеллектуальные САПР. Таганрог: ТРТУ, 1999, №3(13). С.33-36.

77. Aggarwal С.С., Wolf J.L., Wu K.-L., Yu P.S. Horting Hatches an Egg: A New Graph-Theoretic Approach to Collaborative Filtering. // Proceedings of the Fifth ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD'99). 1999.

78. Agrawal R., Srikant R. Fast Discovery of Association Rules // Proc. of the 20th International Conference on VLDB, Santiago, Chile. 1994.

79. Bartolini G. Web usage mining and discovery of association rules from HTTP servers logs. Melbourne: Monash University, 2000.

80. Berge C. Graphs and Hypergraphs. New York: American Elsevier, 1976.

81. Brin S., Motwani R., Ullman J. Dynamic Itemset Counting and Implication Rules for Market Basket Data // Proc. ACM SIGMOD Int'l Conf. Management of Data, ACM Press, New York. 1997.

82. Cooley, R., Mobasher, В., Srivastava, J. Data Preparation for Mining World Wide Web Browsing Patterns // Journal of Knowledge and Information Systems. 1999. - V.l. - №1.

83. Dai H., Mobasher В., Luo T., Nakagawa M. Discovery of Aggregate Usage Profiles for Web Personalization // Proceedings of the Web Mining for ECommerce Workshop (WebKDD'2000). 2000.

84. Davidow W., Malone M. The Virtual Corporation: Structuring and Revitalizing the Corporation for the 21st Century, 1992.

85. FIRST: Fuzzy Information Retrievol System/Lucarella D., Morara R./J.Inf. Sei.-1991.-17, №2. Англ.

86. Gunopulos D., Khardon R., Mannila H., Toivonen H. Data Mining, Hypergraph Transversals, and Machine Learning // Proc. PODS'97. 1997.

87. Joy B. Why the Future Doesn't Need Us. // Wired Magazine. 2000. - №4.

88. Kohavi R. Mining E-Commerce Data: The Good, the Bad, and the Ugly // Proceedings of the Seventh ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2001.

89. Mamdani E. H., Sembi B. S. On the nature of implication in fuzzy logic //Proc.9th Int. Symp. of Multiple-Valued Logies.- New York, 1979,- P. 143151.

90. Mobasher В., Cooley R., Srivastava J. Automatic Personalization Based On Web Usage // Communication of ACM. 2000. - Volume 43. - Issue 8.

91. Mobasher В., Han E., Karypis G., and Kumar V. Clustering Based on Association Rule Hypergraphs // Proceedings of SIGMOD'97 Workshop on Research Issues in Data Mining and Knowledge Discovery (DMKD'97). -1997.

92. Park J.S., Chen M.-S., Philip S.Y. An Effective Hash Based Algorithm for Mining Association Rules // Proc. ACM SIGMOD Int'l Conf. Management of Data, ACM Press, New York. 1995.

93. Peppers, D., Rogers M. The one to one future: building relationships one customer at a time. Currency/Doubleday, 1993.

94. Personalization Technologies. Making One-to-One a Reality. CRM Report Series. // Datamonitor. 2001.

95. Pine, J.B. Mass Customization. Boston: Harvard Business School Press. 1993.lOl.Sarwar В., Karypis G., Konstan J., Riedl J. Analysis of Recommendation Algorithms for E-Commerce // Proceedings of the ACM EC'OO Conference. 2000.

96. Savasere A., Omiecinski E., Navathe S. An Efficient Algorithm for Mining Association Rules in Large Databases // Proc. of 21st Int'l Conf. Very Large Data Bases. 1995.

97. Srivastava J., Cooley R., Deshpande M., Tan P.-N., Web Usage Mining: Discovery and Applications of Usage Patterns from Web Data. // SIGKDD Explorations. 2000. - №1(2).

98. Tselykh A. Analysis of Information Streams Represented with Fuzzy Hypergraphs. // Интерактивные системы ИС-99. Материалы 3-й Международной научно-технической конференции. Ульяновск, 1999. С.69-70.

99. Uno Т. Algorithms for Enumerating All Perfect, Maximum and Maximal Matchings in Bipartite Graphs // Lecture Notes on Computer Science, Springer Verlag, 1997.

100. Wind J., Mahajan V. Digital Marketing // Forthcoming 2000. 2000. -№2.