Описано розроблення технології інтелектуального пошуку контенту із реалізацією модуля систем е-комерції для формування списку рекомендацій постійному користувачу. Інтелектуальний пошук контенту ґрунтується на методах лінгвістичного аналізу, сучасних алгоритмах розбору і знаходження слів, рекомендаціях на основі вподобань користувачів.
У роботі описано інформаційну систему моніторингу та аналізу відгуків у соціальних мережах для формування рекомендацій щодо придбання товарів. Ця система призначена для пришвидшення та полегшення клієнтам пошуку необхідної продукції на ресурсах електронної комерції. Вдалий вибір якісного товару за бажаними критеріями вкрай важливий, оскільки це зменшує час пошуку та економить гроші клієнтів. Аналізуючи коментарі у мережі, інформаційна система рекомендує продукт, на який переважають позитивні відгуки.
Створення нових технологій та їх впровадження в різні сфери зумовило потребу оброблення та зберігання великих обсягів даних. В промислових системах модернізація означає використання великої кількості розумних пристроїв, що виконують спеціалізовані функції, а зібрані дані використовують для управління системою та автоматизації виробничих процесів. В роботі визначено основні характеристики розумних промислових систем. Проаналізовано концепцію Промислового Інтернету речей (англ. Industrial Internet of Things, IIoT) та актуальність проблеми модернізації висобництва.
Розроблено адаптивний алгоритм кластеризації для рекомендаційних систем.
Проаналізовано сучасний стан моделей і методів побудови рекомендаційних систем. Виділено основні класи задач, які розв’язують рекомендаційні системи. Показано особливості застосування методу спільної фільтрації. Розроблено метод розрахунку коефіцієнтів подібності, який враховує розрідженість векторів рейтингів товарів і користувачів.
Проаналізовано поточний стан розробки та застосування рекомендаційних систем, моделей і методів побудови рекомендаційних систем. Показано, що найбільш широко використовується метод колаборативної фільтрації фільтрації. Розроблено метод нечіткої кластеризації, який підвищує точність прогнозування рейтингів продуктів.