Von Business Intelligence zu künstlicher Intelligenz

Die Doktorarbeit ist ein klares Beispiel für einen elektronischen Transformationsprozess mit neuen Technologien, insbesondere während des Projekts und wurde in das Migrationsmanagement von Business Intelligence-Prozessen in die Automatisierung umgesetzt, die von künstlichen Informationen geleitet wird. Eine wirklich komplexe Aufgabe, da jede Änderung in den üblichen Prozessen eines Unternehmens normalerweise zu einer internen Ablehnung unter den Mitarbeitern führt und Herausforderungen ohne starke Projektmanagement-Unterstützung bewältigt wurden. Alle Unternehmen befinden sich heute in einem ständigen Kampf gegen den Wandel in ihren Prozessen, Kunden und sogar seinen Geschäftsbereichen. Unternehmen, die sich nicht an Veränderungen anpassen können, wurden verurteilt, einschließlich ihres potenziellen Verschwindens. Eine gute Anpassungsfähigkeit an Veränderungen ist sicherlich eine Überlebensgarantie in unserer heutigen Welt.

Dieses Projekt wurde in einem konkreten spanischen Unternehmen geboren, COMPANY-002, kommerziell bekannt als COMPANY-002. Ein kleines Nischenreisebüro, das sich durch technologische Innovation sicherlich mutig seiner Zukunft gestellt hat. Zu der Zeit, als das Projekt geboren wurde, hatte sein Unternehmen mit einem süßen Moment gelebt, in dem nur analytische Prozesse eingeführt werden mussten, indem Business Intelligence-Techniken verwendet wurden und im Grunde genommen Analyseberichte für die Entscheidungsfindung erstellt wurden. Die Pandemie war eine große Herausforderung und ein klarer Beschleuniger für das Projekt, aber es war notwendig, unser Geschäft an eine sich abzeichnende Situation hoher Instabilität in jeder Hinsicht anzupassen. Derzeit orientiert sich das Unternehmen an automatischen Prozessen der künstlichen Intelligenz, die es insbesondere ermöglichen, den Verkaufsprozess zu optimieren und ihre Erkennung durch eine angemessene Behandlung derjenigen Kunden zu verbessern, die am wahrscheinlichsten zum Kauf stehen. Wir können sagen: COMPANY-002 Er hat verstanden, dass eine gute Anpassung an Veränderungen heute der Schlüssel zum Überleben ist.

Diese neuen analytischen Prozesse der künstlichen Intelligenz wurden eingesetzt, in der Produktionsumgebung und über ein anderes Managementsystem namens SYSTEM-TH-001. Dieses System kombiniert Funktionalität aus einem traditionellen ERP und CRM, die eine vollständige Verwaltung der Kunden während ihres gesamten Lebenszyklus im Unternehmen ermöglichen.

Die Nutzung der durch Analytik generierten Intelligenz und deren Entsorgung für die beste Entscheidungsfindung. Heute ist das Unternehmen leistungsfähiger und effizienter mit einer hohen Widerstandsfähigkeit. Dies sind einige seiner Werte, die uns bei der Anwendung von künstlicher Intelligenz geführt haben, da sie aus ihren eigenen Jobs stammen Jetzt können Kunden und Mitarbeiter ein freundlicheres Dienstleistungspaket genießen, schließlich wurden bessere Menschen mit ihrer Zeitersparnis durch Automatisierung anderen Jobs gewidmet, die am besten hinzugefügt werden.

Laut Bericht: Künstliche Intelligenz und Big Data in spanischen Unternehmen nutzen ORG-TH-002, ORG-TH-003, ORG-TH-004, ORG-TH-005 ) 2023 Künstliche Intelligenz hat einen deutlichen Anstieg in Unternehmen bis zu 11,8 %, 3,5 mehr Prozentpunkte als im Vorjahr, und so sind Unternehmen, die Big Data nutzen, gewachsen, um 13,9 % Mit einer Erhöhung der 2,8 Punkte für das vorangegangene Haushaltsjahr. Madrid, Valencia und Aragon sind die Gemeinden, in denen mehr Unternehmen IA mit Prozentsätzen von 16,8 %, 14 % und 12,7 % bzw. Madrid ist auch die führende Community mit seiner Big Data-Liste () 17 % ), mit einem 16,1 % beides.

Künstliche Intelligenz (IA) ist eine strategische Achse der Agenda PROGRAM-TH-001 mit ihrem hohen Potenzial, Wirtschaft und Gesellschaft zu verändern. Die IA ermöglicht bessere Vorhersagen, schnellere Operationen und kundenspezifischere Dienste. Die Übernahme von IA durch spanische Unternehmen wurde in den letzten Jahren vorangetrieben. Dennoch gibt es noch Raum für die Implementierung und Entwicklung dieser Technologie. Die Big Data sind ein weiteres Werkzeug, das Unternehmen als Schlüssel zur Digitalisierung ihrer spanischen Wirtschaft einsetzen. bis 2030, ORGANIZATION-004 Sie haben sich das Ziel gesetzt, dass 75 % Europäische Unternehmen haben Cloud-Computing, Makrodaten und künstliche Intelligenz eingeführt. Die Strategie PROGRAM-TH-001 setzt das Ziel, das 2025 und 25 % Spanische Unternehmen nutzen künstliche Intelligenz und Big Data. Der Einsatz von Big Data und künstlicher Intelligenz in spanischen Unternehmen nimmt von Tag zu Tag weiter zu, wobei ein Ansatz wie folgt festgelegt wurde: PROGRAM-TH-001. Im Vergleich zu anderen Mitgliedstaaten ORGANIZATION-004 und die Verwendung von Daten aus 2021 Auf Gemeinschaftsebene befand sich Spanien im vergangenen Jahr in einer durchschnittlichen Phase der Übernahme durch die Unternehmen. Es war also gleich dem Mittelwert von ORGANIZATION-004 aber weit unter den führenden Ländern in diesem Indikator. Spanien mit einem 8 % und war noch weit weg von Dänemark (Dänemark) 24 % ), Portugal ( 17 % ) und Finnland ( 16 % ). Für die Big Data, Vergleich mit europäischen Daten des Jahres 2021 zeigt, dass Spaniens fünf Punkte unter dem Durchschnitt von ORGANIZATION-004 mit einem 9 % Unternehmen, die Big Data-Analysen verwenden. Die Entfernung von Ländern mit mehr Akzentuierungen

Implementierung dieser Technologie, Malta ( 31 % ), Niederlande ( 27 % ) oder Dänemark ( 27 % ). Angesichts dieser Daten ist es leicht zu beobachten, worüber wir früher gesprochen haben. In diesem Projekt lagen die Schwierigkeiten nicht nur in der Anwendung neuer Technologien, sondern auch als Mittel zur Bewältigung von Veränderungen. Zu erwähnen, dass seit der Akzeptanz durch das Projektmanagement mehrere Herausforderungen im Zusammenhang mit der Verwendung dieser neuen Technologie überwunden werden mussten und es zu einem Mangel an technischem Wissen über sie durch Endbenutzer kam. Das Ziel des Projekts war es, analytische Modelle zu erstellen, die helfen würden, die Leistung des Kunden basierend auf historischen Daten, die von seinem Unternehmen gespeichert wurden, vorherzusagen, und während dieser Arbeit werden wir einige davon sehen, wie weit sie in Produktion gebracht wurden. Die mit der Zeit erzielten Ergebnisse waren der beste Weg, um zu zeigen, dass Technologien auch in einem PME nützlich sind, sowohl für das Management als auch für die Arbeitnehmer.

Wir werden dieses Dokument mit COMPANY-002 Eine Reise durch einen Prozess der digitalen Transformation durch die Nutzung von Daten. Unser Ausgangspunkt wird eine relationale Datenbank der Geschäftstätigkeit des Unternehmens und ein Array mit operativen Informationen über das Geschäft sein, die es ihnen sicherlich ermöglichten, zu beleuchten, wie der Erfolg durch die Automatisierung künstlicher Intelligenz erreicht wurde. Unser erster Halt werden maschinelle Lerntechniken sein, mit denen wir unser bestes Modell der Kaufneigung generiert haben und das es uns ermöglicht, die Beziehungen zwischen verschiedenen Variablen in Ihrem Datensatz besser zu verstehen. Wir werden später Deep-Learning-Technologien über unstrukturierte Texte hervorheben, Client-Nachrichten, die es uns ermöglichen, ein neues Modell mit einer erstaunlichen Funktionalität und Transformationskapazität zu erstellen. Die nächste Station wird die Erstellung eines Modells für Natural Language Processing sein, das dazu dienen wird, unsere Modellierung aus der Neigung heraus weiter zu verfeinern und auch zu kaufen, wie wir zukünftige Entwicklungen am besten vorantreiben können. Schließlich werden wir zeigen, wie fortschrittliche Maschinentrainingstechnologien wie Support Vector Machines uns bei Klassifizierungsproblemen helfen und insbesondere ein Modell erstellen können, um die Genres eines Autors zu erkennen. Es ist klar zu erkennen, dass diese analytische Reise mit COMPANY-002 Obwohl sie durch die Fehleinschätzungen der Phasen grob waren, ist es sicherlich zu einer angenehmen Erfahrung geworden.

Freie Technologien wurden nur im Projekt verwendet, wie ein hohes Maß an digitaler Souveränität und seine frühere Rolle bei CIO zeigt. Diese Souveränität sei unabhängig von privaten Technologieanbietern erreicht worden. Auch für einen pyme und wichtiger ist die Verwendung von freier Software haben sie erlaubt, ihre Kosten zu reduzieren, wie sie mit diesem Projekt verbunden sind, indem sie es interessant über alles andere als seine Größe. Das ist der Erfolg dieses Projekts, und das wurde von seinem

Einrichtung eines Unternehmensprojekts, um sowohl die Methodik als auch die Technologien der künstlichen Intelligenz zu vermarkten, die zur Lösung dieser oder anderer Geschäftsprobleme verwendet werden.

Nicht zuletzt war diese Doktorarbeit für den Beschwerdeführer mit seiner technischen Ermächtigung nützlich, um seine neuesten Techniken der künstlichen Intelligenz anzuwenden und zu einem Experten zu werden. Seit Beginn des Projekts durchläuft seine berufliche Laufbahn einen weiteren Transformationsprozess Moreno- Izquierdo 2024 ), wodurch gezeigt wird, dass diese Technologien nicht nur die Aktivität von Organisationen verändern sollen, sondern auch ihre eigenen Leute, die sie so schnell wie möglich bilden und wenn sie für eine Veränderung bereit sind.

Adler, B. T. aus Alfaro, L. und Mola-Velasco M., Rosso und P. West A. G. () 2011 ). DATASET-TH-001 Vandalismuserkennung: Kombination von natürlicher Sprache, Methadaten und Abstoßungsmerkmal. A F. Gelbukh (Hrsg.), Computerlinguistische und geheime Textverarbeitung - 12 th internationale Konferenz, Radfahren 2011, Tokio und Japan 20 - 26, 2011.Verfahren, Teil II (Vol.) 6609, pp. 277 – 288 ). Berlin, Heidelberg: VENUE-TH-002. [REFERENCE-ID-REDACTED]

Adriana, S. M. () 2018 ). Das kundenspezifische Orientierungsprinzip - eine Voraussetzung für mehr Effizienz im Tourismus. VENUE-TH-003, Reihe Wirtschaftswissenschaften 18 ( 1 ), 405 – 408.

Afsahhosseini, F. und Al-Mulla. Y. () 2020, 09 ). Machine Learning im Tourismus. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

Agarwal, M. ( 2019, 05 ). Ein Überblick über die Verarbeitung natürlicher Sprache. VENUE-TH-005 ( VENUE-TH-006 ), 7 ( 5 ), 2811 - 2813. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

Aggarwal, C C (Aggarwal) 2016, 04 ). Empfohlene Systeme: Das Lehrbuch. Entladen von [LINK-REDACTED]

Aggarwal, C C (Aggarwal) 2018 ). Machine Learning für Text. Cham, Schweiz: VENUE-TH-002. [REFERENCE-ID-REDACTED]

Ahmed, E. und Elgazzar A. S. und Hegazi, A. S. () 2005, 01 ). Ein Überblick über komplexe adaptive Systeme. VENUE-TH-007. Entladen von [LINK-REDACTED] 0506059 [REFERENCE-ID-REDACTED]

Aizawa, A. () 2003 ). Eine informationstheoretische Perspektive von tf-idf Maßnahmen. VENUE-TH-049, 39 ( 1 ), 45 – 65. [REFERENCE-ID-REDACTED]

Al Fararni, K. und Nafis. F. Aghoutane B.) Yahyaouy A. ( 2021 ). Hybrid empfiehlt ein System für den Tourismus basierend auf Big Data und ai: Ein konzeptioneller Rahmen. VENUE-TH-051, 4 ( 1 ), 47 – 55.

Alrasheed, H. und seine. () 2020 ). Eine mehrstufige Tourismusdestination empfiehlt ein System. VENUE-TH-050, 170, 333 – 340.

Amado, A. und Cortez. 2018 ). Forschungstrends zu Big Data im Marketing: Eine Text-Mining- und Themenmodellierung basierende Literaturanalyse. VENUE-TH-052, 24 ( 1 ), 1 – 7.

Anderson, R. ( 2007 ). Das Kredit-Scouting-Toolkit: Theorie und Praxis für das Risikomanagement von Privatkundenkrediten oder die Entscheidungsautomatisierung. VENUE-TH-008.

Baeza-Yates, R. und Ribeiro-Neto 2011 ). Moderne Information Retrieval: Die Konzepte und Technologie hinter der Suche () 2.a ed.) Harlow, England: VENUE-TH-009

Bakar, N A. und Rosbi, S. ( 2020 ). Auswirkungen der Coronavirus-Krankheit (covid-) 19 ) für die Tourismusindustrie. VENUE-TH-034, 7 ( 4 ), 189 – 193.

Bergenti, F. und Caire 2020 ). Die ersten zwanzig Jahre der dedizierten Softwareentwicklung mit SOFTWARE-TH-004. VENUE-TH-053, 34 ( 2 ), 1 – 19.

Bing-yu, C. und Zhan. 2009, 04 ). Anwendung von svm in der Finanzforschung. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]. 313

Borra, J. und Moreno 2014, 11 ). Intelligenter Tourismus Umbausysteme: Eine Umfrage. VENUE-TH-011, 41 ( 16 ), 7370 - 7389. Entladen von [LINK-REDACTED] 10.1016 / j.eswa. 2014.06.007 [REFERENCE-ID-REDACTED]

Botvinick, M. und Barrett. G. T., Battaglia und P. de Freitas Z.,... Hassabis, D. ( 2017, 01 ). Maschinen bauen, die selbst lernen und denken. VENUE-TH-013, 40. Entladen von [LINK-REDACTED] s0140525x170045 [REFERENCE-ID-REDACTED]

Breman, L. ( 2001 ). Random Forests. Maschinelles Lernen, 45 ( 1 ), 5 – 32. [REFERENCE-ID-REDACTED] 1010933404324

Burgin, M. und Dodiga-Crnkovi ́ c () 2009, 01 ). Ein systematischer Ansatz für künstliche Agenten. VENUE-TH-007. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

Cabezas, J. und Fernandezo-Isabel A.. A. und von Diego, I. M. () 2020 ). Bio-inspirierte agentenbasierte Architektur zur Betrugserkennung. In den Prozessen der 2020 3 rd international conference on information management and governance science (pp. 67 – 71 ).

Camilleri, M. A. () 2018 ). Die Tourismusbranche: Ein Überblick. Reisemarketing, Tourismus

Wirtschaft und Airline-Produkt, 3 – 27.

Chapman, W. W., Bridewell und W.A. Hanbury. P. Cooper G. F. und Buchanan, B. G. () 2001 ). Ein einfacher Algorithmus zur Identifizierung verweigerter Befunde und Krankheiten in Entsorgungszusammenfassungen. VENUE-TH-035, 34 ( 5 ), 301 - 310. Aus https geladen: / und [LINK-REDACTED] [REFERENCE-ID-REDACTED] doi.org / 10.1006 / Jbin. 2001.1029

Chen, P.-H. und Fan. 2006 ). Eine Studie über SMO-Typ Zerlegungsmethoden für Support Vector Machines. VENUE-TH-015, 17 ( 4 ), 893 – 908.

Cho, H.-C. und Okazaki (N.) Miwa M. Reg. 2013 ). Named Entity Recognition mit Multiple Segment Statements. VENUE-TH-049, 49 ( 4 ), 954 - 965. [REFERENCE-ID-REDACTED]

Corney, M. de Vel O. Y., Anderson und A. Und Mohay. M. () 2002 ). Gender-Preferential Text Mining des E-Mail-Diskurses. In 18 th jährliche Computer Security Applications Conference (ACSac) 2002 ), 9 - 13 Dezember 2002 Die Venas, nv und USA (pp. 282 – 289 ). Piscataway, NJ und USA: VENUE-TH-014. [REFERENCE-ID-REDACTED]

Das, M. und Hecht B. mit Gergle 2019 ). Die geschlechtsspezifische Geographie der Beiträge zu OpenStreetMap: Komplexitäten in Selbstfokus Bias. In S. A. Brewster, G. Fitzpatrick, A. L. Cox und V. Kostanos (Hrsg.), Verfahren der 2019 CHI Konferenz über menschliche Faktoren in Computersystemen, CHR 2019, Glasgow und Schottland. 4 - 9, 2019 (pp.) 1 – 14 ). New York, NY und USA: VENUE-TH-023. [REFERENCE-ID-REDACTED]

Das, S. und Paik. H. () 2021 ). Kontextsensitiver Geschlechtsfehler von benannten Entitäten im Text. VENUE-TH-049, 58 ( 1 ), 102423. [REFERENCE-ID-REDACTED] 10.1016 / j.ip. 2020.102423

De Silva, L. und Meneguzzi. A. und Logan, B. () 2020 ). Bdi agent architecture: eine umfrage. In den Prozessen der 29 die internationale gemeinsame Konferenz über künstliche Intelligenz (ijcai), 2020, japão. (pp) 4914 – 4921 ).

DINU, A.-M. und tema. () 2018 ). Die Bedeutung des Verkehrs für die Entwicklung des Tourismus. VENUE-TH-054, 4 ( 4 ), 183 – 187.

Eiriemiokhale, K. A. und Idiedo V. () 2020, 09 ). Wissensaustauschpraktiken unter Lektoren an nigerianischen Universitäten: Eine Fallstudie. Entladen von [LINK-REDACTED] 10.7176 / ikm und 10 - 6 - 06 [REFERENCE-ID-REDACTED]

Eisenstein, J. ( 2019 ). Einführung in die Verarbeitung natürlicher Sprache. Cambridge, MA und USA VENUE-TH-024.

Fatima, M. und Hasans K. Anwar S. Und Nawab A. M. A. () 2017 ). Mehrsprachige Autorenprofilierung auf SERVICE-005. VENUE-TH-049, 53 ( 4 ), 886 - 904.doi:

[LINK-REDACTED]

Feinerer, I. und Hornik. 2008 ). Text Mining Infrastruktur in R. VENUE-TH-036 Waren, 25 ( 5 ), 1 – 54. Entladen von [LINK-REDACTED].org / v025 und i05 [REFERENCE-ID-REDACTED]

Feng, M. und Li () 2018 ). Eine annähernd starke kkt-Bedingung für mehrdimensionale Optimierung. VENUE-TH-058, 26 ( 3 ), 489 – 509. [REFERENCE-ID-REDACTED] - 6

Fernández- Isabel, A. und Fuentes-Fernández (R.). M. () 2020 ). Modellierung von Multiagentensystemen zur Simulation sinnvoller intelligenter Straßen. ORG-TH-117, 99, 101994.

Fong, E. Vincent und N. Hecht. B. Und Gerber M. () 2018 November. Frauen fragen (immer noch) nach weniger: geschlechtsspezifische Unterschiede in Homolly Estate und einem Online-Arbeitsmarkt. Verfahren. VENUE-TH-021. Interact. 2 (CSCW) 53: 1 – 53: 21. [REFERENCE-ID-REDACTED]

Forouzandeh, S. und Berahmand. 2021 ). Ein Hotel empfiehlt ein System für Touristen mit dem künstlichen Bienenkolonie-Algorithmus und dem Fuzzy-Topsis-Modell: eine Fallstudie von ORG-TH-100. VENUE-TH-037, 20 ( 01 ), 399 – 429.

Fourkioti, O. und Symeonidis (S.). 2019 ). Sprachmodelle und Fusion für die Autorisierungszuweisung. VENUE-TH-049, 56 ( 6 ), 102061. [REFERENCE-ID-REDACTED]

Francis, J. und Kitamura. 2023, 01 ). Kernherausforderungen bei der Verkörperung von Vision-Sprachplanung. VENUE-TH-007. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

François-Lavet, V. und Henderson. G. und Pineau, J. () 2018, 01 ). Eine Einführung in tiefes stärkendes Lernen. ORG-TH-101, 11 ( 3 - 4 ), 219 - 354. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

Friedman, J. H. () 2017 ). Die Elemente des statistischen Lernens: Data Mining, Inferenz und Vorhersage. VENUE-TH-002 öffnen.

Galicia-Haro, S. N, Gelbukh A. und Bolshakov I. A. () 2004 ). Anerkennung benannter Entitäten in spanischen Texten. In der mexikanischen internationalen Konferenz über künstliche Intelligenz (pp. 420 – 429 ).

Garcia, I. und Sebastia 2009 ). Eine Gruppe empfiehlt ein System für touristische Aktivitäten. Auf der International Conference on Electronic Commerce and Web Technologies (pp.) 26 – 37 ).

Garro, A. und Mühlpäuser. M. Tundis A mit Baldoni aber Baroglyo C als BergentI... mehr 2018 ). Intelligente Agenten: Multiagentensysteme. Enzyklopädie der Bioinformatik und

Computerbiologie: ORG-TH-121, 315.

Geiger, R. S. und Ribes, D. () 2010 ). Die Arbeit der Aufrechterhaltung der Ordnung in DATASET-TH-001 Das Verbot eines Vandalen. In K. Inkpen, C Gutwin und J. C Tang (Hrsg.), Verfahren der 2010 VENUE-TH-023 Konferenz über computergestützte Zusammenarbeit, CSCW 2010 Savanne und Georgien. 6 - 10, 2010 (pp.) 117 – 126 ). New York, NY und USA: VENUE-TH-023. [REFERENCE-ID-REDACTED]

Gomez, J. und Alfaro. M., Algar und M. J. und Moreno, R. () 2021 a, 1 ). Biografien von Literaturautoren in englischer Sprache geschrieben. Entladen von [LINK-REDACTED] Writer / 13551467 [REFERENCE-ID-REDACTED]

Gomez, J. und Alfaro. M., Algar und M. J. und Moreno, R. () 2021 b, 1 ). Biografien von Literaturautoren in spanischer Sprache geschrieben. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

González, S. und García. 2020 ). Ein praktisches Tutorial zu Bagging- und Booting-basierten Ensembles für maschinelles Lernen: Algorithmen, Software-Tools sowie Performance-Studie. ORG-TH-118, 64, 205 – 237.

Migulez-Fernandez, C. 2020 ). Kombinierte Multiagentensysteme und subjektive Logik zur Entwicklung eines Entscheidungsunterstützungssystems. Auf der Internationalen Konferenz zur Informationsverarbeitung und zum Management von Unsicherheiten in wissensbasierten Systemen (pp. 143 – 157 ). [REFERENCE-ID-REDACTED] 978 - 3 - 030 - 50146 - 4 \_12

Grace A. und Butler T. () 2005, 01 ). Lernmanagementsysteme: ein Neuanfang in der Pflege von Lernen und Wissen. ORG-TH-102, 1 ( 1 / 2 ), 12 - 12. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED] ijkl. 2005.006248

Halhenborg, K. () 2009, 07 ). Intelligente Steuerung von Materialfördersystemen. 63 - 116. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED] 9780470432730.ch3

Hamid, R. A., Albahri A. S., Alwan und J. K., Al-qaysi und Z. Albahri S., Zaidan und A.. Zaidan, B. () 2021 ). Wie schlau ist E-Tourismus? eine systematische Überprüfung des Empfehlungssystems für Smartphone-Tourismus mit Datenmanagement. ORG-TH-119, 39, 100337.

Hamidi, F. und Scheureman M. K. und Branham, S. M. () 2018 ). Gender-Anerkennung oder soziale Reduktion? Die sozialen Implikationen von Embed Gender Recognition Systems. Bei R L. Mandryk, M. Hancock, M. Perry und A. L. Cox (Hrsg.), Verfahren von

das 2018 CHI Konferenz über menschliche Faktoren in Computersystemen, CHR 2018 Meerwasser, Stampfen 21 - 26, 2018 (pp.) 1 – 13 ). New York, NY und USA: VENUE-TH-023. [REFERENCE-ID-REDACTED]

Hedlund, T. und Pirkola A. mit Järvilin K. () 2001 ). Aspekte der schwedischen Morphologie und Intertema-Tics aus der Perspektive des mono- oder sprachübergreifenden Informationsabrufs. VENUE-TH-049, 37 ( 1 ), 147 – 161. [REFERENCE-ID-REDACTED] 10.1016 / S0306-457 3 ( 00 ) 00024 - 8

Herzog, D. und Laß (C). 2018 ). Tourrec: eine touristische Reise empfiehlt System für Einzelpersonen und Gruppen. In den Prozessen der 12 th VENUE-TH-023 Konferenz über Umbausysteme (pp.) 496 – 497 ).

Hinton, G. und Sejnowski. J. () 1999, 09 ). Unüberwachtes Lernen: Grundlagen der neuronalen Berechnung. VENUE-TH-011, 38 ( 5 - 6 ), 256 - 256. Entladen von [LINK-REDACTED] 10.1016 / s0898- 1221 ( 99 ) 90165 - 7 [REFERENCE-ID-REDACTED]

Hollander, M. und Wolfe. A. und Huhn, E. () 2013 ). Nichtparametrische statistische Methoden. Boboken, New Jersey: ORG-TH-103.

Howard, J. und Roder 2018 ). Universal Language Model Feinabstimmung für die Textklassifizierung. 1801.06146.

Hsu, P.-F. und Lan. 2013 Auswahl des optimalen Verkaufs eines benutzerdefinierten Beziehungsmanagementsystems für die Medizintourismusbranche unter Verwendung von delphi und ahp. VENUE-TH-038 ( VENUE-TH-039 ), 9 ( 1 ), 62 – 75.

Huang, F. und Li. 2014 ). Identifizieren des Geschlechts von Microblog-Benutzern basierend auf Message Mining. In F. Li, G. Li, S. Hwang, B. Yao und Z. Zhang (Hrsg.), Web-Age Information Management - 15 th internationale Konferenz, WAIM 2014 Mau, Chinesisch und Juni 16 - 18, 2014 Verfahren (Vol.) 8485, pp. 488 – 493 ). Cham, Schweiz: VENUE-TH-002. [REFERENCE-ID-REDACTED]

Hung, P. D. und Huynh, D. L. () 2019, 02 ). E-Commerce-Empfehlungssystem mit Wartung. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]. 1109 / ccoms. 2019.8821663

Intia, D. A., Holgado und J. () 2003 ). Multikriterielle E-Verhandlungssysteme für elektronische Demokratie. PUBLICATION-001, 12 ( 2 - 3 ), 213 - 218. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

Itaiwi, A.-M. K., Ahmad und M. S., Hamid und N H. A., Jaafar N H. und Mahmoud, M. A. () 2012, 06 ). Ein Multiagenten-Framework für dynamische Aufgabenzuweisung und Delegation in der Arbeitsverteilung. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

Jansan, B. J., Moore und K. mit Carman 2013 ). Bewertung der Leistung demografischer Ziele anhand des Geschlechts in der gesponserten Suche. VENUE-TH-049, 49 ( 1 ), 286 - 302. [REFERENCE-ID-REDACTED]

Jiang, R. und Banchs. E. und Li, H. () 2016 ). Bewertung und Kombination von Namensentitätserkennungssystemen. Bei den Prozessen der 6 Named Entity Workshop (pp.) 21 – 27 ).

Joachims, T. () 1999, 8 von 2 ). Machen Sie Large-Scale Support Vector Machine Learning praktisch. In B. Schölkopf, C. J. Burges und A. J. Smola (Hrsg.), Advances in kernel methods: Support vector learning 169 – 184 ). Cambridge, MA und USA VENUE-TH-024.

Joachims, T. () 2002 ). Lernen, Text mit Unterstützungsvektormaschinen zu klassifizieren (Vol. 668 ). New York, NY und USA: VENUE-TH-002. [REFERENCE-ID-REDACTED]

Kanoje, S. und Girasse. 2015, 01 ). User Profiling Trends, Techniken und Anwendungen. VENUE-TH-007. Entladen von [LINK-REDACTED] abs/ 1503.07474 [REFERENCE-ID-REDACTED]

Kazak, A. und Chetyrbok. V. und Oleinikov, N N ( 2020, 01 ). Künstliche Intelligenz im Tourismusbereich. ORG-TH-105, 421 ( 4 ), 042020 - 042020. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED] 421 / 4 / 042020

Kazil, J. und Masad. 2020 ). Verwenden von Python für agentenbasierte Modellierung: das Tabellenframework. Auf der International Conference on Social Computation, Behaviorcultural Modeling and Prediction with Behave representation in motiling or simulation (pp. 308 – 317 ).

Keyes, O. () 2018 November. Die Misgendering-Maschinen: Trans / HCI Implikationen der automatischen Geschlechtererkennung. Verfahren. VENUE-TH-021. Interact. 2 (CSCW) 88: 1 – 88: 22. [REFERENCE-ID-REDACTED]

Keyes, O. und Tilbert B. () 2017 ). DATASET-TH-001 A ORG-TH-115 Wrapper API [Computer Software Manual]. Entladen von [LINK-REDACTED] DATASET-TH-001 (R Paketversion) 1.5.0 )

Khurana, D. und Koli (A.). 2022, 07 ). Verarbeitung natürlicher Sprache: Stand der Technik, aktuelle Trends und Herausforderungen. VENUE-TH-001, 82 ( 3 ), 3713 - 3744. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

Kler, B. K. () 2009 ). Tourismus und Restauration. Bei Philosophy issues in tourism (pp.) 117 – 134 ). ORG-TH-106.

Kocher, M. und Savoy 2017 ). Distanzmaßnahmen im Autorenprofiling. VENUE-TH-049, 53 ( 5 ), 1103 - 1119. [REFERENCE-ID-REDACTED]. 2017.04.004

Korotejew, M. ( 2021 ). SOFTWARE-TH-003 Eine Überprüfung von Anwendungen in der Verarbeitung und dem Verständnis natürlicher Sprache. 2103.11943.

Kretschmer, H. und Aguillo I. F. () 2005 ). Neue Indikatoren für Gender Studies in Web-Netzwerken. VENUE-TH-049, 41 ( 6 ), 1481 - 1494. (Besonderes Thema Infometrics) [REFERENCE-ID-REDACTED]

Krüger, S. und Hermann B. ( 2019 ). Kann ein Online-Service das Geschlecht vorhersagen? Über die staaten der kunst in der geschlechtsidentifikation aus texten. In I. Crnkovic, K. K. Silveira und S. Sprenkle (Hrsg.), Verfahren der 2 nd internationaler Workshop zu Geschlechtergerechtigkeit im Software Engineering, ge @ icse 2019, Montreal und qc 27, 2019 (pp.) 13 – 16 ). Piscataway, NJ und USA: VENUE-TH-016. [REFERENCE-ID-REDACTED]

Kucukyilmaz, T. und Cambazoglu B. B., Aykanat und Can F. () 2006 ). Chat Mining für Gender Prediction. Bei T. M. Yakhno und E. J. Neuhold (Hrsg.), Fortschritte in Informationssystemen 4 th internationale Konferenz, ADVIS 2006, Geschwister und Meerwasser 18 - 20, 2006, Verfahren (Vol.) 4243, pp. 274 – 283 ). Berlin, Heidelberg: VENUE-TH-002. [REFERENCE-ID-REDACTED]

See, B. M., Ullman und T. Tenenbaum B. und Gershman, S. J. () 2016, 01 ). Maschinen bauen, die wie Menschen lernen und denken. Entladen von [LINK-REDACTED] abs/ 1604.00289 [REFERENCE-ID-REDACTED]

Lan, Y und Li. 2024, 01 ). Umfrage zur Verarbeitung natürlicher Sprache für die Bildung: Taxonomie, systematische Überprüfung und zukünftige Trends. VENUE-TH-007. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

Langley, P. ( 2022, 06 ). Der rechnerische Gewinn des menschlichen Lernens. ORG-TH-110, 36 ( 11 ), 12268 - 12273. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]. 21489

Die Bibel, neuer Wille. () 1960 ). New York: ORG-TH-111. (Reinat-Valera) 1960 )

Lau, K.-N. und Lee. 2005 ). Text Mining für die Hotelbranche. ORG-TH-133, 46 ( 3 ), 344 – 362. [REFERENCE-ID-REDACTED] 0010880405275966

Lee, C K. und Hawamdeh, S. () 2002, 03 ). Faktoren, die den Wissensaustausch beeinträchtigen. ORG-TH-107, 01 ( 01 ), 49 - 56. Entladen von [LINK-REDACTED] s0219649202008169 [REFERENCE-ID-REDACTED]

Lee, S.-M. und Pritchett A. A. () 2008, 11 ). Vorhersage von Interaktionen zwischen Agenten in agentenbasierter Modellierung und Simulation von sozialen technischen Systemen. VENUE-TH-017, 38 ( 6 ), 1210 - 1220. Aus https geladen: / und

doi.org / 10.1109 / tsmca. 2008.2001059 [REFERENCE-ID-REDACTED]

Li, C. Ding und N. Dong H. Und Zhai Y. 2021, 01 ). Anwendung von Kreditkartenbetrugserkennung basierend auf cs.-svm., 11 ( 1 ), 34 - 39. Entladen von [LINK-REDACTED] ijmlc. 2021.11.1.1011 [REFERENCE-ID-REDACTED]

Li, S.-L. und Shiue 2006, 05 ). Die Bewertung von Verbraucherkrediten mit Unterstützungsvektormaschinen. VENUE-TH-011, 30 ( 4 ), 772 - 782. Geladen von https: / und doi.org 10.1016 / j.eswa. 2005.07.041 [REFERENCE-ID-REDACTED]

Lin, B. und Seberenik A. () 2016 ). Erkennen des Geschlechts von ORG-TH-108 Nutzer. In M. Kim, R. Robbes und C Bird (Hrsg.), Proceedings of the 13 th internationale Konferenz zu Mining-Software-Repositorien, MSR 2016 Austin und tx. 14 - 22, 2016 (p) 3 ) 425 – 429 ). New York, NY und USA: VENUE-TH-023. [REFERENCE-ID-REDACTED]

Lin, H. ( 2007, 06 ). Wissensaustausch und Zeichen Innovationsfähigkeiten: eine empirische Studie. VENUE-TH-025, 28 ( 3 / 4 ), 315 - 332. Entladen von [LINK-REDACTED].org / 10.1108 / 01437720710755272 [REFERENCE-ID-REDACTED]

Liu, Q. und Wu. 2012, 01 ). Overseen Learning. Entladen von [LINK-REDACTED] 10.1007 / 978 - 1 - 4419 - 1428 - 6 _451 [REFERENCE-ID-REDACTED]

Loh, S. und Lorenzi. 2003 ). Ein Tourismus empfiehlt ein System, das auf Zusammenarbeit und Textanalyse basiert. ORG-TH-125, 6 ( 3 ), 157 – 165.

Lynsky, S. J., Ling und F. Greenberg A. M., Penny-Dimri und J. C. und Sutherland, A. G. () 2021 ). Der Einfluss der Resilienz und des Gesundheitszustands des Patienten auf die Zufriedenheit nach einer totalen Hüft- und Kniearthroplastie. ORG-TH-126, 19 ( 1 ), 8 – 14.

Lotipez-Santillan, R. und Montes.Y@-@ Gómez. C., Ramirezo-Alonso und Prieto-Ordaz 2020 ). Reichere Dokumenteinbettungen für Autorenprofilierungsaufgaben basierend auf einer heuristischen Suche. VENUE-TH-049, 57 ( 4 ), 102227. [REFERENCE-ID-REDACTED]

Malingkas, D. E. Y. und Ce, W. ( 2020, 08 ). Wissensmanagement mit Gamification in Beratungsunternehmen. Entladen von [LINK-REDACTED]. 9211118 [REFERENCE-ID-REDACTED]

Markov, I. und Gelbukh A. () 2017 ). Der gewinnbringende Ansatz zur generenübergreifenden Geschlechtsidentifikation in Russisch bei RUSPprofilling 2017. In P. Majumder, M. Mitra, P. Mehta und J. Sankhavara (Hrsg.), Working Notes of FI- RE 2017 - Forum für Information Retrieval Evaluation, Bangalore und Indien 8 - 10, 2017 (Vol.) 2036, pp. 20 – 24 ). Aachen, Deutschland: ORG-TH-109. Entladen von [LINK-REDACTED]

Melo, L. S., Sampaio und R. F., Leão und R. P. S., Barroso und G. und Bezerra, J.) 2019 ). Python-

basierte Multiagentenplattform für die Anwendung in Stromnetzen. ORG-TH-127, 29 ( 6 ), e12012.

Meltzoff, A. N., Kuhl und P. K., Movellan und J. A. und Sejnowski, T. J. () 2009, 07 ). Grundlagen für eine neue Wissenschaft des Lernens (Vol.) 325 ) (Nein) 5938 ). Entladen von [LINK-REDACTED] 10.1126 / Wissenschaft. 1175626 [REFERENCE-ID-REDACTED]

Moguerza J. M., Muñoz und A. () 2006 ). Unterstützt Vektormaschinen mit Anwendungen. ORG-TH-123, 21 ( 3 ), 322 – 336. Entladen von [LINK-REDACTED].org / euclid.ss 1166642435 [REFERENCE-ID-REDACTED]

Moguerza J. M. und Muñoz, A. () 2006, 08 ). Unterstützen Sie Vektormaschinen mit Anwendungen. VENUE-TH-026, 21 ( 3 ). Entladen von [LINK-REDACTED] 10.1214 / 088342306000000493 [REFERENCE-ID-REDACTED]

Mohamad, I. B. und Usman, D. () 2013 ). Standardisierung und ihre Auswirkungen auf den k-Means-Clustering-Algorithmus. VENUE-TH-040 Ingenieurwesen und Technologie, 6 ( 17 ), 3299 – 3303.

Moliner, M. A., Sánchez und J. Rodriguez. M. und Callarisa, L. () 2007 ). Beziehungsqualität mit einem Reisebüro: Der Einfluss der posterpurcose wahrgenommenen Wert und ein Aktivitätspaket. ORG-TH-124, 7 ( 3 - 4 ), 194 – 211.

Moreno, R. Reisen und M. Fernandez- Isabel A. von Diego I. M., Moguerza und J. M., Lancho und C. 2022 ). Automatische Erkennung potenzieller Nutzer durch Opinion Mining und Geheimdienstagenten. In 2022 17 th PUBLICATION-003 ( PUBLICATION-003 ) (pp. 93 – 101 ).

Moreno- Izquierdo, R. () 2024 ). Raúl, der Computeringenieur. TECH-VENDOR-006. Entladen von [LINK-REDACTED]

Mukherjee, S. und Bala. K. () 2017 ). Geschlechterklassifizierung von Microblog-Text basierend auf Architektur. VENUE-TH-041, 15 ( 1 ), 117 – 138. [REFERENCE-ID-REDACTED]

Naqa, I. E. und Murphy, M. J. () 2015, 01 ). Was ist maschinelles Lernen? Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED] - 3 _1

Nazareth, N. und Reddy. 2023, 06 ). Finanzanwendungen des maschinellen Lernens: Eine Literaturrecherche. VENUE-TH-011, 219, 119640 - 119640. Entladen von [LINK-REDACTED].org / 10.1016 / j.eswa. 2023.119640 [REFERENCE-ID-REDACTED]

Njiraine, D. () 2019, 03 ). Ermöglichung von Praktiken zum Wissensaustausch für Wissenschaft und Forschung in Hochschuleinrichtungen. Entladen von [LINK-REDACTED]. 7176 / ikm und 9 - 3 - 09 [REFERENCE-ID-REDACTED]

Norbert, V. ( 2011, 11 ). Prognose der touristischen Nachfrage. VENUE-TH-012. Nein...

Beladen mit [LINK-REDACTED] B9780080969961000078

Novikova, N G., Kortunov V. V., Krasnova O. N, Zomina und N. M., Kireenkova und Z. A. und Kap. () 2015 ). Ein Kunde mit besonderen Bedürfnissen in touristischen Dienstleistungen. VENUE-TH-042, 6 ( 2 ), 338.

Olson D. L. und Delen, D. () 2008 ). Fortschrittliche Data-Mining-Techniken. Berlin, Heidelberg: VENUE-TH-002.

Paudel, B. und Christoffel (F.). 2016, 12 ). Aktualisierbar, genau und vielfältig mit hohen Empfehlungen für interaktive Anwendungen. VENUE-TH-022, 7 ( 1 ), 1 - 34. Entladen von [LINK-REDACTED] 2955101 [REFERENCE-ID-REDACTED]

Peng, J. und Xu 2022, 03 ). Maßgeschneidertes Produktempfehlungsmodell des automatischen Fragebeantwortungsroboters basierend auf Deep Learning. VENUE-TH-027, 2022, 1 - 9. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

Peng, Y. ( 2022, 01 ). Eine Umfrage zum modernen Empfehlungssystem, das auf Big Data basiert. VENUE-TH-007. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]. 48550 / arXiv. 2206.

Peng, Z. ( 2021, 05 ). Gestaltung und Bewertung der Interaktionsmechanismen von Geheimdienstagenten zur Unterstützung des Menschen bei hochrangigen Denkaufgaben. Geladen von https: / und doi.org 10.1145 / 3411763.3443424 [REFERENCE-ID-REDACTED]

Platt, J. ( 1998 April. Sequentielle Minimaloptimierung: Ein schneller Algerihm für Training Support Vector Machines (Inf.) Tech.n.o MSR-TR- 98 - 14 ). TECH-VENDOR-005. Entladen von [LINK-REDACTED] secuential-minimal-Optimierung - a--phasti.algorithma und for~ Trainings - Unterstützung − vectorlymachines /

Pons, J. und Granate A.) Espines J (Borra. 1997 ). Bewertung der Mortalität bei Operationen am offenen Herzen in Katalonien (Schmerz) durch ein prädiktives Risikomodell. VENUE-TH-044 Chirurgie: offizielles Journal der VENUE-TH-043, 11 ( 3 ), 415 – 423.

ORG-TH-112. ( 2022 ). A: eine Sprache und Umgebung für statistisches Computing. Wien, Österreich. Aus https geladen: / und [LINK-REDACTED]

Rangel, F. und Rosso 2016 ). Über die Auswirkungen von Emotionen auf das Autorenprofiling. VENUE-TH-049, 52 ( 1 ), 73 – 92. [REFERENCE-ID-REDACTED] J.ip. 2015.06.003

Ray, B. und Garain A. Und Sarkar R. 2021 ). Ein Ensemble-basiertes Hotel empfiehlt ein System mit empfindsamer Analyse und Dimensionskategorisierung von Hotelbewertungen. ORG-TH-128, 98, 106935.

Romero-Mendez, E. A., Santana-Mancilla und P. C, Garcica-Ruiz und M. Montesinos- López A. und Anido, L. () 2023, 07 ). Die Verwendung von Deep Learning zur Verbesserung des Spielerengagements in einem Videospiel durch eine dynamische Schwierigkeitsanpassung basierend auf der Klassifizierung von Fähigkeiten. VENUE-TH-028, 13 ( 14 ), 8249 - 8249. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

Russell, S. und Norvig 2010 ). Künstliche Intelligenz: Ein moderner Ansatz. VENUE-TH-010.

Sagi, O. und Rokach L. () 2018 ). Insemble Learning: Eine Umfrage. ORG-TH-104 Interdisziplinäre Reviews: VENUE-TH-055, 8 ( 4 ), e1249.

Santamaría, L. und Mihaljevi ́ c H. () 2018 ). Vergleich und Benchmarking von Name-Togender-Einkommensdienstleistungen. VENUE-TH-033, 4, e156. [REFERENCE-ID-REDACTED] 10.7717 / Peerj-cs. 156

Schaphis, R. E. () 1990 ). Die Stabilität des schwachen Lernens. Maschinelles Lernen, 5 ( 2 ), 197 – 227. [REFERENCE-ID-REDACTED]

Sen, P. C, Hajra und Ghosh 2020 ). Überwachte Klassifizierungsalgorithmen im maschinellen Lernen: Eine Umfrage und Überprüfung. Bei Emerging Technology in Modellierung und Grafik (pp.) 99 – 111 ). VENUE-TH-002.

Sensuse, D. I., Qodarsih und N. 2018, 10 ). Kritische Erfolgsfaktoren des Wissensmanagements: Eine systematische Literaturrecherche. Geladen von https: / und doi.org 10.1109 / icitsi. 2018.8695926 [REFERENCE-ID-REDACTED]

Shafiee, S. und Varjani A. Y. () 2016, 04 ). Big Data in der Tourismusbranche. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

Shelar, H. und Kaur. G. Heda.N. & amp; Agrawal P. () 2020 ). Benannte Entitätserkennungsansätze und deren Vergleich für benutzerdefinierte Ner-Modelle. ORG-TH-129, 39 ( 3 ), 324 – 337.

Siswahyudi, P. und Kurniawan. A. und Sugiarto V. () 2018 ). Agent-Oriented Technologies Vergleich: Eine Literaturrecherche. ORG-TH-130, 24 ( 11 ), 8710 – 8716.

Sokolova, M. und Lapalme G. ( 2009 ). Eine systematische Analyse von Performance-Maßnahmen für Klassifizierungsaufgaben. VENUE-TH-049, 45 ( 4 ), 427 – 437.

Sproat, R. und Black A. W., Chen und S. Kumar. 2001, Juli. Normalisierung von Nicht-Standardwörtern. ORG-TH-131, 15 ( 3 ), 287 – 333. [REFERENCE-ID-REDACTED]

Srivastava, A. und Sahami M. (Hrsg.) 2009 ). Text Mining: Klassifikation, Cluster und Anwendungen () 1 T ed.) New York, NY und USA: ORG-TH-114. [REFERENCE-ID-REDACTED]

Subramaniyaswamy, V. und Locheh. R. Vijayakumar.A. mit Keerthana K. als Rackini K, während Swarnamalya B. () 2018 ). Dynamo: dynamisches multimodales Routen- und Reiseempfehlungssystem. In 2018 internationale Konferenz zu aktuellen Trends im Bereich Advanced Computing (icrtac), S. 47 – 52 ).

Terrell, J. Kofink und A. Middleton. 2017, 1 de Mai. Geschlechterunterschiede und Voreingenommenheit in Open Source: Pull Request Akzeptanz von Frauen gegenüber Männern. VENUE-TH-033, 3, e111. [REFERENCE-ID-REDACTED]

Thampi, S. M. () 2008, 01 ). Eine Einführung in das Wissensmanagement. VENUE-TH-007. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED] Arxiv. 0812.0438

Tikhonov, A. N und Arsenin V. Y. () 1977 ). Lösungen von schlecht gestellten Problemen. New York, NY und USA: VENUE-TH-030, ORG-TH-103.

Tureac, C E. und Turtureanu, A. () 2010 ). Arten und Formen des Tourismus. VENUE-TH-045.) sympomica, 4 ( 1 ).

Uddin, M. und Wang. H., Chi und H L. und Ni, M. () 2021 ). Building Information Modeling (Bim), Systemdynamik und agentenbasierte Motivation: Auf dem Weg zu einem integrierten Ansatz. VENUE-TH-046, 12 ( 4 ), 4261 – 4274.

Uysal, A. K. und Gunal, S. () 2014 ). Die Auswirkungen der Vorverarbeitung auf die Textklassifizierung. VENUE-TH-049, 50 ( 1 ), 104 - 112. [REFERENCE-ID-REDACTED]. 1016 / j.ip. 2013.08.006

Vasilescu, B. und Capilluppi A. mit seberenik A. 2014, September. Geschlecht, Repräsentation und Online-Beteiligung: Eine quantitative Studie. ORG-TH-132, 26 ( 5 ), 488 – 511. [REFERENCE-ID-REDACTED]

Vasiliev, Y. ( 2020 ). Verarbeitung natürlicher Sprache mit Python und SOFTWARE-TH-002: Eine praktische Einführung. VENUE-TH-029.

Vesni c-Ultievi ́ c, L. und Nascimento S. mit pólvora A. () 2020, 07 ). Soziale und ethische Auswirkungen von künstlicher Intelligenz: Kritische Anmerkungen zu europäischen politischen Rahmenbedingungen. VENUE-TH-011, 44 ( 6 ), 101961 - 101961. Entladen von [LINK-REDACTED] j.telpol. 2020.101961 [REFERENCE-ID-REDACTED]

Vrandeňci ́ c, D. und Krötzsch M. () 2014 ). DATASET-TH-001 Ein freies kollaboratives Wissen. VENUE-TH-020, 57 ( 10 ), 78 – 85. [REFERENCE-ID-REDACTED]

Wais, K. () 2016 ). Gender Predication Methoden basierend auf Vornamen mit Genderizer. VENUE-TH-047, 8 ( 1 ), 17 – 37. [REFERENCE-ID-REDACTED]

Wang, J.) Guo und B. ( 2022, 01 ). Mensch-in-the-Loop maschinelles Lernen:

Eine Makro-Mikro-Perspektive. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

Wang, J.) Hong und Y. (g. 2022 ). Kooperative und wettbewerbsfähige Multiagentensysteme: Von der Optimierung bis hin zu Spielen. VENUE-TH-018 / CAA ORG-TH-122, 9 ( 5 ), 763 – 783.

Wang, X. und Bettini. 1997 ). Logisches Design für zeitliche Datenbasen mit mehreren Granulalitäten. VENUE-TH-019, 22 ( 2 ), 115 – 170.

Weed, D. L. () 2005 ). Gewicht der Beweise: eine Überprüfung und Methoden. VENUE-TH-056, 25 ( 6 ), 1545 – 1557.

Witten, I. H., Frank und E. Halle A. und Pal, C J. () 2017 ). Data Mining: Praktische Werkzeuge und Techniken zur maschinellen Ausbildung (Machine Training) 4 th ed.) Cambridge, MA und USA ORG-TH-113, VENUE-TH-012. [REFERENCE-ID-REDACTED]

Yan, X. und Ja () 2006 ). Geschlechterklassifizierung von Weblog-Autoren. Bei Computing Ansätze zur Analyse von Weblogs, Papiere aus der 2006 VENUE-TH-032 Frühjahrssymposium, technischer Bericht s-- 06 - 03 High Stick, ca und Verschleiß. 27 - 29, 2006 (pp.) 228 – 230 ). Palo Alto, CA und USA: VENUE-TH-031. Entladen von [LINK-REDACTED] 0046 -Gender-Klassifikation

Yenduri, G. Reg. S., Supriya und Y. Srivastava G. Madikunta P. K. R,... Gadekallu, T A. () 2023, 01 ). Generativer vortrainierter Prozessor: Eine umfassende Überprüfung der grundlegenden Technologien, potenziellen Anwendungen und auftretenden Herausforderungen. VENUE-TH-007. Entladen von [LINK-REDACTED] 2305.10435 [REFERENCE-ID-REDACTED]

Young, T. und Hazarika. 2017, 01 ). Jüngste Trends in der Deep Learning-basierten Verarbeitung natürlicher Sprache. VENUE-TH-007. Entladen von [LINK-REDACTED] [REFERENCE-ID-REDACTED]

Zapata, G. und Murga. J. Raymundo C. Dominguez F. Moguerza M. und Alvarez, J. M. () 2019 ). Geschäftsinformationsarchitektur für eine erfolgreiche Projektdurchführung auf der Grundlage von Empfindungsanalysen im Tourismussektor. VENUE-TH-048, 53 ( 3 ), 563 – 585.

Zdravevsky, E. und Lameski (P.). 2011 ). Gewicht der Evidenz als Werkzeug für die Attributtransformation in der Vorverarbeitungsphase mit überwachten Lernalgorithmen. In der 2011 internationale gemeinsame Konferenz zu neuronalen Netzen (pp. 181 – 188 ).

Zheng, X.) Luo und Y. ( 2018 ). Ein Tourismusziel empfiehlt ein System, das die fühlende und zeitliche Dynamik der Benutzer verwendet. VENUE-TH-048, 51 ( 3 ), 557 – 578.

Zhuhadar, L. und Nasraoui O. ( 2010, 08 ). Angepasste Suche basierend auf einer benutzerdefinierten Empfehlungsmaschine. Entladen von [LINK-REDACTED]. 296 [REFERENCE-ID-REDACTED]