5. Опис результатів функціонування системи

Користувач, скориставшись функцією розробленою для створення оголошення, вводить необхідні дані. На рисунку 3.20 представлений результат цієї функції.

Рис 3.20 – Макет оголошення із заповненими полями

Скориставшись макетом оголошення користувач вніс наступні дані:

• картинка, що вказує на місце проведення події;

• дата події;

• назва події;

• команди суперники;

• учасники події;

• час.

Результатом дії функції системи є створене оголошеня, яке представлене у на рисунку 3.21.

Рис. 3.21 – Оголошення створене системою

Система генерує оголошення в залежності від обраного користувачем макету і від необхідних даних, таким чином зменшуючи час, необхідний користвувачеві для його створення.

Висновки

В курсовій роботі проведено дослідження інформаційних систем навчальних закладів та розроблено компоненти інформаційної системи для підтримки спортивних замагань.

Під час написання курсової роботи з метою досягнення якісного результату та отримання необхідної інформації були розглянуті існуючі аналоги, було виявлено переваги та недоліки.

В курсовій роботі вирішена задача створення оголошень про спортивні змагання та їх результати. Розроблений веб сайт, на якому користувачі, зможуть створбвати та публікувати оголошення в рамках системи, та в інші соціальні мережі Facebook, Twitter.

Для якісної розробки інформаційного забезпечення було проведено аналіз існуючих мов програмування та СУБД. Після проведення аналізу було обрано мову програмування JavaScript та СУБД PostgreSQL, які найкраще підходять для вирішення поставленої задачі.

Розроблений сайт потребує подальшої розробки для використання, як реального веб-ресурсу, а саме:

• розробка стрічки новин, де будуть публікуватися оголошення в рамках системи;

• розробка статистичних таблиць, основаних на результатах проведених спортивних подій;

• розробка турнірних таблиць, основаних на результатах проведених спортивних подій;

• розробка локалізації для різних країн світу.

Клієнтський інтерфейс являється приємним для сприйняття, а також інтуїтивно зрозумілим, що дозволяє будь-якому користувачу зайти до сайту і створити оголошення про бажану спортивну подію.

Перелік посилань

1. Закон Украины от 24.12.1993 N 770/12-ВР (ред. от 23.12.2015) «О физической культуре и спорте».

2. Daud A. Knowledge discovery through directed probabilistic topic models: a survey / A. Daud, J. Li, L. Zhou // Frontiers of Computer Science in China / A. Daud, J. Li, L. Zhou. – China, 2010. – С. 280–301.

3. О.А. Цуканова, Методология и инструментарий моделирования бизнесс-процессов, 2002 – 12 - 13 ст.

4. Predictive Analytics Today [Електронний ресурс]. – 2017. – Режим доступу до ресурса: http://www.predictiveanalyticstoday.com/top-free-software-for-text-analysis-text-mining-text-analytics.

5. IBM Cognos Analytics on Cloud [Електронний ресурс] – Режим доступу до ресурсу: https://www.ibm.com/ru-ru/marketplace/business-intelligence.

6. Hofmann T. Probabilistic latent semantic analysis / Thomas Hofmann // Proceedings of the Fifteenth conference on Uncertainty in artificial intelligence / Thomas Hofmann. – San Francisco, CA: Morgan Kaufmann Publishers Inc, 1999. – С. 289–296.

7. Blei D. Latent Dirichlet Allocation / D. Blei, M. Jordan // Journal of Machine Learning Research / D. Blei, M. Jordan., 2003. – С. 993–1022.

8. Steyvers M. Probabilistic Author-Topic Models for Information Discovery / M. Steyvers, P. Smyth – Seatle, 2004. – С. 1–10.

9. David M. Blei. Dynamic Topic Models. – 2006. – С. 1–6.

10. Маклаков С.В. Моделирование бизнес-процессов с BPwin 4.0 – М.:Диалогмифи, 2002. – 151 с.

11. Черемных С.В., Семёнов И.О., Ручкин В.С. Струкурный анализ систем: IDEF – технологии – М.:Финансы и статистика, 2003. – 208 с.

12. Vorontsov K. Tutorial on Probabilistic Topic Modeling: Additive Regularization for Stochastic Matrix Factorization / K. Vorontsov, A. Potapenko // Statistical Learning and Data Sciences / K. Vorontsov, A. Potapenko. – Switzerland, 2014. – С. 29–46.

13. Mirzagitova A. Automatic assignment of labels in Topic Modelling for Russian Corpora. – Saint Petersburg, 2016. – С. 115–118.

14. Wang X. Phrase and Topic Discovery, with an Application to Information Retrieval // Seventh IEEE International Conference on Data Mining (ICDM 2007). – New York, 2007. – С. 697–702.

15. Ramage D. A supervised topic model for credit attribution in multi-labeled corpora. – 2009. – C. 248–256

16. TF-IDF [Електронний ресурс] – Режим доступу до ресурсу: https://uk.wikipedia.org/wiki/TF-IDF.

17. Raoul-Gabriel Urma, Mario Fusco, Alan Mycroft. Java 8 in Action: Lambdas, streams, and functional-style programming. Shelter Island, NY: Manning Publications Co., 2015, 497 p. Кей С. Хорстманн, Гари Корнелл. Java. Библиотека профессионала, том 1. Основы. 9-е издание = Core Java, Volume I: Fundamentals (9th Edition). — М.: «Вильямс», 2013. — 864 с. — ISBN 978-5-8459-1869-7.

18. Джошуа Блох. Java. Эффективное программирование = Effective Java. — М.: Лори, 2002. — 224 с. — ISBN 5-85582-169-2.

19. Andrew Troelsen, Philip Japikse. C# 6.0 and the .NET 4.6 Framework. New York City: Apress, 2015, 1625 p.

20. М. Фитцджеральд. Изучаем Ruby = Learning Ruby / пер. с англ. Н. Гаврилова. — 1-е изд. — СПб.: БХВ-Петербург, 2008. — 336 с. — ISBN 978-5-9775-0225-2.

21. Х. Фултон. Программирование на языке Ruby = The Ruby Way / пер. с англ. А. Слинкин. — 2-е изд. — М.: ДМК Пресс, 2007. — 688 с. — (Языки программирования). — ISBN 5-94074-357-9.

22. John Resig. Pro JavaScript Techniques. New York City: Apress, 2007

23. Про Node.js [Електронний ресурс] – Режим доступу до ресурсу: https://nodejs.org/uk/about/.