TSI logo 25 years
LV EN
Home > Par mums > Struktūra un pārvaldība > Anotācijas

LĪMENIS

PROGRAMMA

FAKULTĀTE

GADS

VALODA

Klientu apmierinātība ar informācijas sniegšanu autoostās

Šī pētījuma aktualitāte ir mobilitātes tradīciju maiņas nozīme sabiedriskā transporta izmantošanā. Tas prasa ņemt vērā dažādus klientu pieredzes aspektus sabiedriskā transporta pakalpojumu jomā. Transporta termināļi ir apgabala priekšrocība, jo tie var darboties kā katalizatori aktīvākai sabiedriskā transporta izmantošanai. Tomēr slikti plānoti un izvietoti termināļi var radīt problēmas un samazināt pasažieru skaitu.Pētījuma mērķis ir gūt ieskatu informācijas vizualizācijas efektivitātē autoostās un palīdzēt uzlabot kopējo pasažieru pieredzi ceļojumu laikā. Autors apskata esošo literatūru par informācijas vizualizāciju transporta terminālos un pētījumiem vai paraugpraksi saistībā ar pasažieru pieredzes uzlabošanu, izmantojot efektīvu informācijas dizainu.Autore kā datu avotus izmantoja gan kvantitatīvās, gan kvalitatīvās metodes, piemēram, lietotāju aptaujas, ekspertu intervijas un novērojumus, lai izprastu, kā pasažieri mijiedarbojas ar esošajiem informācijas displejiem. No analīzes izriet, ka Rīgas Starptautiskajā autobusu terminālī ir laba informācijas sistēma, taču trūkst dažu vizualizācijas rīku informācijas sniegšanai. Tādējādi tika sniegti ieteikumi, kā uzlabot informācijas sniegšanu, lai uzlabotu klientu apmierinātību.

Autors: Diane Aliou Yasmine

Vadītājs: Irina Jackiva

Līmenis: Maģistrs

Gads: 2024

Darba valoda: Angļu

Nepārraudzīta mašīnmācīšanās pieeja dabiskās valodas tekstu kolekciju hierarhiskai, uz grafiem bazētai, attēlošanai.

Lielo datu efektīva pārvaldība ir svarīga dažādās jomās, īpaši gadījumos, kad dati sastāv no cilvēka rakstītiem dokumentiem. Nesenie sasniegumi dabiskās valodas apstrādē (NLP), jo īpaši LLM, ļāva atrisināt daudzus uzdevumus šajā jomā, neskatoties uz lielo pieprasījumu pēc marķētiem datiem, skaitļošanas resursiem un specializētām prasmēm.Lai novērstu šos ierobežojumus, pašreizējais pētījums ierosināja NLP cauruļvadu, lai noteiktu tēmu hierarhijas zinātnisko publikāciju kolekcijās. Darbā galvenā uzmanība tika pievērsta pieejamo neuzraudzīto mašīnmācīšanās metožu un kvalitātes metrikas novērtēšanai NLP, kā arī vizualizācijas metožu izstrādei, lai izveidotu cauruļvada prototipu.Piedāvātais risinājums ir balstīts uz hARTM pieeju, kas optimizēta tēmas interpretējamībai. Tas parādīja spēju no zinātnisko tekstu kolekcijām secināt cilvēka interpretējamu tēmu hierarhijas un izveidot jēgpilnu dokumentu attēlojumus. Vizualizācijas pieejas balstās uz MDS, lai parādītu starpdokumentu līdzību, un Sankey diagrammas, lai parādītu dokumentu kopu saistību tēmu hierarhijā.Lietderība tika demonstrēta divās datu kopās, koncentrējoties uz tēmu hierarhijas un saistīto tēmu definīciju interpretējamību un nozīmi. Iespējamās pielietošanas jomas ietver personīgo izglītību un zinātnisko rakstīšanu.

Autors: Jevgenijs Bodrenko

Vadītājs: Irina Jackiva

Līmenis: Maģistrs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Table View
Text View