Ақпараттық-коммуникациялық және химиялық технология

Том 4 № 29 (2025) / 2025-12-30 / Көрілім саны: 153

МАРКЕТПЛЕЙС ҮШІН ӨНІМДЕРДІ САНАТТАУ МОДУЛІ: АЛГОРИТМДЕРДІ ТАЛДАУ ЖӘНЕ ОҢТАЙЛЫ ШЕШІМДІ ТАҢДАУ

Авторлар

Л.Н.Гумилев атындағы ЕҰУ
https://orcid.org/0000-0002-0259-774X
Л.Н.Гумилев атындағы ЕҰУ
https://orcid.org/0009-0009-7625-4852
Л.Н.Гумилев атындағы ЕҰУ
https://orcid.org/0000-0002-5318-9850

Кілтті сөздер

маркетплейс, өнімді санаттау, Random Forest, табиғи тілді өңдеу, стемминг, TF-IDF, электрондық коммерция

DOI сілтемесі:

https://doi.org/10.58805/kazutb.v.4.29-1002

Қалай дәйексөз келтіруге болады

Глазырина, Н., et al. «МАРКЕТПЛЕЙС ҮШІН ӨНІМДЕРДІ САНАТТАУ МОДУЛІ: АЛГОРИТМДЕРДІ ТАЛДАУ ЖӘНЕ ОҢТАЙЛЫ ШЕШІМДІ ТАҢДАУ». ҚазТБУ хабаршысы, вип. 4, вип. 29, Грудень 2025, doi:10.58805/kazutb.v.4.29-1002.

Аңдатпа

Электрондық коммерцияның дамуымен маркетплейстер сатып алушылар мен сатушылар арасындағы өзара әрекеттесудің негізгі платформаларына айналды. Күн сайын оларға көптеген жаңа өнімдер қосылады, олар ассортиментті тиімді басқару, өнімді іздеудің дәлдігін арттыру және жекелендірілген ұсыныстарды жасау үшін санаттауды қажет етеді. Бұл зерттеу Python 3.10.10-да әзірленген өнімді санаттау модулін ұсынады,  олардың мәтіндік сипаттамасына негізделген өнімді санаттау мәселесін шешеді (104 026 өнім, 62 санат). Классикалық алгоритмдерге (Random Forest, SVM, Logistic Regression, Multinomial Naïve Bayes), нейрондық желі архитектураларына (RNN, CNN, Transformer), және ансамбльдік тәсілге (Random Forest + Decision Tree + Logistic Regression) кешенді талдау жүргізілді. Деректерді алдын ала өңдеу таңбалауды, токенизациялауды, стоп-сөздер мен әліпбилік емес таңбалар жоюды, стемминг және мәтінді нормализациялауды қамтиды. Сынақ жинағы бойынша эксперименттер (20 805 жазба) Random Forest 74,9 мс өңдеу уақытымен 94,2% дәлдікті қамтамасыз ететінін көрсетті, бұл нейрондық желі үлгілерінен (RNN – 91,6%, Transformer – 90,9%) және ансамбльден (94,3%, 75,2 мс) асып түседі. Жұмыстың негізгі ғылыми жаңалығы шектеулі ресурстар жағдайында күрделілігі орташа есептерге классикалық әдістерді қолдану мүмкіндігін дәлелдеуінде. Нәтижелер Random Forest маркетплейс жүйелерге біріктіру үшін оңтайлы шешім екенін көрсетеді, ол есептеу жүктемесін айтарлықтай арттырмай жоғары дәлдікті қамтамасыз етеді.