https://ir.lib.vntu.edu.ua//handle/123456789/46232 Sun, 26 Apr 2026 15:18:22 GMT 2026-04-26T15:18:22Z https://ir.lib.vntu.edu.ua//handle/123456789/49882 Method for constructing a cognitive map of processes in a dynamic system using cooperation of large language models Varer, B.; Mokin, V.; Варер, Б.; Мокін, В. Б. In the context of growing demands for rapid decision-making and in-depth analysis of complex dynamic systems – particularly when available data are limited and the involvement of experienced experts is either impractical or prohibitively expensive – the development of new methods for the construction of the model becomes especially relevant. The use of large language models (LLMs) as expert systems offers significant reductions in resource expenditure and accelerates the modelling of complex technical, environmental, and socio-economic systems. This study aimed to investigate and demonstrate the potential and capabilities of LLMs as expert systems in constructing cognitive maps. The article proposes and substantiates an architecture for the cooperation of LLM ensembles to formally generate vertices-variables and weight coefficients in cognitive maps, thereby enabling the automation of the modelling process without the involvement of human experts. A typical prompt for an LLM was decomposed into structural components: context description (D), model role instruction (R), instruction (I), conditions (C), and response format (F). A method for determining these components through expert-based analysis is proposed. A prompt system was developed to enable structured data processing and the identification of interrelationships among system elements. The practical effectiveness of the approach was demonstrated using a case study on forecasting water quality in the Sabarivske Reservoir near Vinnytsia. For most physicochemical indicators, the modelling showed low error rates (2.09-4.6%), even with a minimal amount of input data. The proposed method is promising for modelling and forecasting tasks in complex systems with limited data availability, particularly in environmental, socio-economic, and engineering contexts, where the speed of obtaining reliable results is critical for informed decision-making.; В умовах постійного зростання вимог до швидкого прийняття рішень і глибокого аналізу складних динамічних систем, коли доступні дані обмежені, а залучення досвідчених експертів часто є неможливим або занадто витратним, розроблення нових методів побудови моделей набуває особливої актуальності. Використання великих мовних моделей (LLM) як експертних систем дозволяє суттєво знизити ресурсні витрати та прискорити процес моделювання складних технічних, екологічних та соціально-економічних систем. Метою даної роботи було дослідження та практична демонстрація потенціалу та можливостей LLM, як експертних систем, у процесі побудови когнітивних карт. У даній роботі запропоновано та обґрунтовано архітектуру кооперації ансамблів LLM для формалізованого генерування вершин-змінних та вагових коефіцієнтів когнітивних карт, що дозволяє автоматизувати процес моделювання без залучення експертів-людей. Здійснено декомпозицію типового промпта (вказівки) до LLM на структурні складові: опис контексту (D), рольову настанову моделі (R), інструкцію (I), умови (C) та формат відповіді (F) та запропоновано підхід їх визначення експертним шляхом. Розроблено систему таких промптів, яка забезпечує структуроване оброблення даних та ідентифікацію взаємозв’язків між елементами системи. Практичну ефективність підходу продемонстровано на прикладі прогнозування стану води у Сабарівському водосховищі біля м. Вінниця, де для більшості фізико-хімічних показників моделювання продемонструвало малу похибку (2.09–4.60 %) навіть за мінімального обсягу вхідних даних. Запропонований метод є перспективним для задач моделювання та прогнозування у складних системах з обмеженим обсягом даних, зокрема в екологічних, соціально-економічних та інженерних сферах, де швидкість отримання надійних результатів має критичне значення для прийняття обґрунтованих рішень. Wed, 01 Jan 2025 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/49882 2025-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/49381 Use of fuzzy sets in calculating the passenger capacity utilisation rate in conditions where it is impossible to collect objective data Zora, I.; Khoshaba, О.; Хошаба, О. Задачі планування організації перевезення пасажирів міським транспортом у сучасних українських умовах стикаються з новими викликами, зокрема зі складністю або навіть неможливістю отримання точних вхідних даних для проведення розрахунків. Дослідження зосереджено на вирішенні проблеми недоступності точних і актуальних даних для розрахунків організації перевезення пасажирів міським транспортом шляхом використання методів нечіткої логіки. Передбачається, що за умов обмеженого часу для проведення натурних досліджень або впливу військових дій, що спричиняють динамічні зміни пасажиропотоків через міграційні процеси та унеможливлюють отримання даних традиційними методами, запропонований підхід дозволить виконати розрахунки з мінімальною похибкою. На прикладі коефіцієнту використання пасажиромісткості на перегоні транспортного маршруту, що прямо залежить від показника наповненості пасажирами, розглянуто можливість розширення математичної моделі організації перевезення пасажирів на міському транспорті за допомогою підходів нечіткої логіки. Зокрема, йдеться про заміну вхідних величин суб`єктивною оцінкою стороннього спостерігача у вигляді використання нечітких множин. Теоретичне дослідження показало можливість та доцільність використання нечітких множин для вирішення проблеми відсутності об`єктивних вхідних даних при розрахунках коефіцієнту використання пасажиромісткості. Визначено загальні принципи формування універсумів нечітких множин при їх використанні в математичних моделях організації перевезення пасажирів на міському транспорті з метою нівелювання суб`єктивності вхідних даних. Описано вимоги до ступеня перекриття акумульованими функціями належності нечітких множин допустимого рівня субдивізії, що може бути використано з метою зменшення похибки розрахунків та, відповідно, розмірності універсумів нечітких множин. Визначено залежність величини розрядності тензору вихідних результатів від кількісного показника перегонів на маршруті громадського транспорту, що може братися за основу при аналізі складності розрахунків. Показано загальні принципи роботи з нечіткими множинами в даній математичній моделі на прикладі розрахунку коефіцієнту використання пасажиромісткості. Дослідження може бути корисним міським адміністраціям, транспортним компаніям, розробникам програмного забезпечення, експертам з транспортної логістики та науковцям для оптимізації роботи громадського транспорту в умовах нестачі об`єктивних даних і динамічних змін.; The tasks of planning the organisation of passenger transportation by urban transport in modern Ukrainian conditions face new challenges, in particular, with the complexity or even impossibility of obtaining accurate input data for calculations. The research focused on solving the problem of unavailability of accurate and up-to-date data for calculating the organisation of passenger transportation by urban transport by using fuzzy logic methods. It is assumed that in conditions of limited time for conducting field research or the impact of military operations that cause dynamic changes in passenger traffic through migration processes and allow obtaining data by traditional methods, the proposed approach will allow performing calculations with minimal error. On the example of the coefficient of passenger capacity utilisation on the stage of a transport route, which directly depends on the indicator of passenger occupancy, the possibility of expanding the mathematical model of passenger transportation in urban transport using fuzzy logic approaches is considered. In particular, this refers to replacing input values with a subjective assessment of an outsider in the form of using fuzzy sets. The theoretical study showed the possibility and expediency of using fuzzy sets to solve the problem of the lack of objective input data in calculating the passenger capacity utilisation rate. The general principles of forming universes of fuzzy sets when they are used in mathematical models of the organisation of passenger transportation in urban transport to level the subjectivity of input data are determined. The requirements for the degree of overlap of the accumulated functions of belonging of fuzzy sets of the permissible level of subdivision are described, which can be used to reduce the error of calculations and, accordingly, the dimension of universes of fuzzy sets. The dependence of the tensor bit depth of the initial results on the quantitative indicator of stages on the public transport route, which can be used as a basis for analysing the complexity of calculations, is determined. The general principles of working with fuzzy sets in this mathematical model are shown using the example of calculating the passenger capacity utilisation rate. The study can be useful for city administrations, transport companies, software developers, transport logistics experts, and scientists to optimise public transport operations in the face of a lack of objective data and dynamic changes. Wed, 01 Jan 2025 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/49381 2025-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/47618 Analysis of the impact of cross-platform behaviour on recommendation quality Pakula, A.; Garmash, V. V.; Пакула, А.; Гармаш, В. В. Швидке зростання кількості цифрових платформ та різноманітність онлайн-сервісів створюють нові виклики для розробки рекомендаційних систем, які мають враховувати кросплатформну поведінку користувачів для забезпечення точності та конфіденційності рекомендацій. Метою статті стало визначення того, яким чином об’єднання даних про кросплатформну поведінку може підвищити точність рекомендаційних систем. Для цього було проведено аналіз сучасних алгоритмів машинного навчання та методів обробки великих даних, що дозволяє ефективно інтегрувати інформацію з різних джерел. У дослідженні використано алгоритми кластеризації та нейронних мереж, що дозволило виявити шаблони поведінки користувачів у кросплатформенних середовищах. Отримані результати свідчать, що інтеграція кросплатформних даних покращує точність персоналізованих рекомендацій на 15-30 %, що перевищує показники традиційних, одноплатформенних підходів. Крім того, з’ясовано, що аналіз соціальних взаємодій та мережевих ефектів може значно підвищити ефективність рекомендаційних систем у кросплатформному середовищі, оскільки враховує додаткові аспекти взаємодії користувачів. Стаття також звертає увагу на аспекти конфіденційності, пропонуючи огляд сучасних підходів до захисту особистих даних, які зберігають високу якість рекомендацій. У рамках експериментальної частини дослідження було розроблено та впроваджено прототип кросплатформної рекомендаційної системи, що інтегрує дані з трьох популярних онлайн-платформ. Тестування системи на реальних даних показало підвищення точності персоналізованих рекомендацій в середньому на 27 % та зниження кількості нерелевантних пропозицій на 35 % порівняно з традиційними одноплатформними підходами. Крім того, впровадження розробленої системи захисту конфіденційності на основі диференційної приватності дозволило зберегти високу якість рекомендацій при забезпеченні належного рівня захисту персональних даних користувачів. Практична цінність дослідження полягає у застосуванні кросплатформного підходу для підвищення конкурентоспроможності рекомендаційних систем у різноманітних цифрових екосистемах.; The rapid growth in the number of digital platforms and the diversity of online services create new challenges for the development of recommender systems that must factor in cross-platform user behaviour to ensure the accuracy and privacy of recommendations. The purpose of this study was to determine how combining cross-platform behavioural data can improve the accuracy of recommender systems. To this end, the study analysed modern machine learning algorithms and Big Data processing methods that enable the efficient integration of information from various sources. The study used clustering and neural network algorithms to identify patterns of user behaviour in cross-platform environments. The findings obtained suggest that the integration of cross-platform data improves the accuracy of personalised recommendations by 15-30%, which exceeds the performance of conventional, single-platform approaches. Furthermore, it was found that the analysis of social interactions and network effects can greatly improve the efficiency of recommender systems in a cross-platform environment, as it factors in additional aspects of user interaction. The study also addressed privacy aspects, offering an overview of modern approaches to protecting personal data while maintaining high quality recommendations. Within the framework of the experimental part of the study, a prototype cross-platform recommender system integrating data from three popular online platforms was developed and implemented. Testing the system on real data showed an average 27% increase in the accuracy of personalised recommendations and a 35% reduction in the number of irrelevant offers compared to conventional single-platform approaches. Furthermore, the implementation of the developed privacy protection system based on differential privacy allowed maintaining the high quality of recommendations while ensuring an adequate level of protection of users’ personal data. The practical value of the study lies in the application of a cross-platform approach to increase the competitiveness of recommender systems in various digital ecosystems. Wed, 01 Jan 2025 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/47618 2025-01-01T00:00:00Z