Іваницька, А. Ю.Іванов, Д. Є.Зубик, Л. В.2022-09-142022-09-142021Іваницька А. Ю. Модель прогнозування поведінки покупця на основі технологій аналізу великих даних / А. Ю. Іваницька, Д. Є. Іванов, Л. В. Зубик // Вісник Національного технічного університету "ХПІ". Сер.: Інформатика та моделювання = Bulletin of the National Technical University "KhPI" Ser.: Information and Modeling : зб. наук. пр. – Харків: НТУ "ХПІ". – 2021. – № 2 (6). – С. 89-100.https://repository.kpi.kharkov.ua/handle/KhPI-Press/57974Виконано аналіз наявних методів та моделей формування рекомендацій для потенційного покупця у мережевих інформаційних системах з метою розробки ефективних модулів підбору реклами. Обґрунтовано ефективність використання технологій машинного навчання для аналізу преференцій користувачів на основі обробки даних про покупки, здійснені користувачами з подібним профілем. Запропоновано модель формування рекомендацій, основану на технології машинного навчання, перевірено її роботу на тестових наборах великих даних та виконано оцінку адекватності моделі на основі середньоквадратичного відхилення.The analysis of the available methods and models of formation of recommendations for the potential buyer in network information systems for the purpose of development of effective modules of selection of advertising was executed. The efficiency of using machine learning technologies for the analysis of user preferences based on the processing of data on purchases made by users with a similar profile was substantiated. A model of recommendation formation based on machine learning technology was proposed, its work on test data sets was tested and the adequacy of the RMSE model was assessed.ukпрогнозування поведінкитехнології аналізу великих данихмодулі підбору рекламиbehavior predictionbig data analysis technologiesadvertising selection modulesМодель прогнозування поведінки покупця на основі технологій аналізу великих данихBuyer behavior forecasting model based on big data analysis technologiesArticledoi.org/10.20998/2411-0558.2021.02.06https://orcid.org/0000-0002-4803-2090https://orcid.org/0000-0001-9956-6589https://orcid.org/0000-0002-2087-5379