| dc.contributor.author | Лінійчук, М. О. | uk |
| dc.contributor.author | Рейда, О. М. | uk |
| dc.contributor.author | Liniichuk, M. O. | en |
| dc.contributor.author | Reyda, O. M. | en |
| dc.date.accessioned | 2026-09-11T12:10:30Z | |
| dc.date.available | 2026-09-11T12:10:30Z | |
| dc.date.issued | 2026 | |
| dc.identifier.citation | Лінійчук М. О., Рейда О. М. Hybrid rating model for cultural events based on user reviews // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2026/paper/view/28016. | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/54236 | |
| dc.description.abstract | У тезах розглянуто гібридну модель рейтингування культурних заходів на основі відгуків користувачів веборієнтованих інформаційних систем. Запропонована модель рейтингування поєднує баєсівське середнє з часовим загасанням і механізмами захисту від маніпуляцій. Наведено вимоги до вимірюваності та тестованості алгоритмів рейтингування у контексті розробки веб-застосунків. | uk |
| dc.description.abstract | The hybrid rating model for cultural events based on user reviews in web-oriented information systems is described. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2026/paper/view/28016 | |
| dc.subject | рейтингування | uk |
| dc.subject | культурні заходи | uk |
| dc.subject | відгуки користувачів | uk |
| dc.subject | баєсівське середнє | uk |
| dc.subject | колаборативнафільтрація | uk |
| dc.subject | гібридна модель | uk |
| dc.subject | часове загасання | uk |
| dc.subject | веб-система | uk |
| dc.subject | rating algorithms | en |
| dc.subject | cultural events | en |
| dc.subject | user reviews | en |
| dc.subject | Bayesian average | en |
| dc.subject | collaborative filtering | en |
| dc.subject | hybrid model | en |
| dc.subject | time decay | en |
| dc.subject | web system | en |
| dc.title | Hybrid rating model for cultural events based on user reviews | en |
| dc.type | Thesis | |
| dc.identifier.udc | [004.774:7](043.2) | |
| dc.relation.references | BrightLocal. Local Consumer Review Survey. – BrightLocal Research, 2023. – URL: https://www.brightlocal.com/research/local-consumer-review-survey/ [Accessed: 18.03.2026]. | en |
| dc.relation.references | Deldjoo Y., Schedl M., Cremonesi P. Content-based multimedia recommendation systems: definitions and application domains / Proceedings of the RecSys Workshop on Perspectives on the Evaluation of Recommender Systems. – 2021. – P. 1–9. | en |
| dc.relation.references | Amatriain X., Pujol J. M. Data mining methods for recommender systems / Recommender Systems Handbook. – Springer, Boston, MA, 2015. – P. 227–262. | en |
| dc.relation.references | Lam S. K., Riedl J. Shilling recommender systems for fun and profit / Proceedings of the 13th International Conference on World Wide Web (WWW ‘04). – ACM, 2004. – P. 393–402. | en |
| dc.relation.references | Frnti P., Sieranoja S. How much can k-means be improved by using better initialization and repeats? / Pattern Recognition. – 2019. – Vol. 93. – P. 95–112. | en |
| dc.relation.references | Koren Y., Bell R., Volinsky C. Matrix factorization techniques for recommender systems / Computer. – 2009. – Vol. 42, No. 8. – P. 30–37. | en |
| dc.relation.references | Akoglu L., Tong H., Koutra D. Graph-based anomaly detection and description: A survey / Data Mining and Knowledge Discovery. – 2015. – Vol. 29, No. 3. – P. 626–688. | en |
| dc.relation.references | Ricci F., Rokach L., Shapira B. Introduction to recommender systems handbook / Recommender Systems Handbook. – Springer, Boston, MA, 2015. – P. 1–35. | en |
