Общество и наука: векторы развития

В сборнике представлены статьи участников Всероссийской научно-практической конференции с международным участием, посвященные актуальным вопросам науки и образования. В материалах сборника приведены результаты теоретических и прикладных изысканий представителей научного и образовательного сообщества в данной области. Статьи представлены в авторской редакции.

 Кожанов Виктор Иванович sportkomplex.chgu@yandex.ru executive_editor Яковлева Татьяна Валериановна info@interactive-plus.ru Кожанов Виктор Иванович Радина Оксана Ивановна Краснова Светлана Гурьевна Сорокоумова Галина Вениаминовна https://orcid.org/0000-0002-5246-5200 Общество и наука: векторы развития Society and Science: Future Development 04 06 2026 Чебоксары Центр научного сотрудничества «Интерактив плюс» 1900 © 2026 Кузьмин С. Н. 2026 Кузьмин С. Н. Это произведение доступно по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0) 598894 Методы интеллектуального анализа данных: тенденции и векторы роста Кузьмин Сергей Николаевич S.Kuzmin2004@ya.ru https://orcid.org/0000-0002-8825-0172 Сластихина Мария Дмитриевна Научный руководитель Masha-fat@yandex.ru ФГБОУ ВО «Саратовский государственный технический университет им. Гагарина Ю.А.» Россия

современный мир динамически меняющаяся система, в который данные – критически важный ресурс. Существуют тенденции роста как их количества, так и источников их производящих. Были проведены исследования и сравнения тенденций роста данных, и людей, занимающихся их обработкой. Чтобы минимизировать эффект, на сотрудников, создаются новейшие методы в сфере интеллектуального анализа данных. В данной статье были собраны актуальные тенденции методов интеллектуального анализа данных и графовых нейросетей. На основе собранных данных, были сделаны выводы и заявление о готовящемся вкладе автора в эту отрасль.

 нейронные сети анализ данных интеллектуальный анализ данных анализ рынка методы оптимизации методы обработки данных References Statista. Volume of data/information created worldwide from 2010 to 2024. – URL: https://www.statista.com/statistics/871513/worldwide-data-created (дата обращения: 20.10.2025). Statista. Volume of data https://www.statista.com/statistics/871513/worldwide-data-created International Data Corporation (IDC). Worldwide Global DataSphere Forecast. – URL: https://my.idc.com/getdoc.jsp?containerId=US53383425 (дата обращения: 20.10.2025). International Data Corporation (IDC). Worldwide Global DataSphere Forecast https://my.idc.com/getdoc.jsp?containerId=US53383425 DemandSage. Big Data Statistics and Trends. – URL: https://www.demandsage.com/big-data-statistics (дата обращения: 21.10.2025). DemandSage. Big Data Statistics and Trends https://www.demandsage.com/big-data-statistics Zipdo. Education Report 2025. – URL: https://zipdo.co (дата обращения: 21.10.2025). Zipdo. Education Report 2025 https://zipdo.co Zippia. Job Outlook for Data Analysts in the United States. – URL: https://www.zippia.com/data-analyst-jobs/trends (дата обращения: 22.10.2025). Zippia. Job Outlook for Data Analysts in the United States https://www.zippia.com/data-analyst-jobs/trends Wu Y., Zhang X., Lin J. High-Utility Itemset Mining: A Survey // arXiv preprint arXiv:2204.09888. – 2022 – URL: https://arxiv.org/abs/2204.09888 (дата обращения: 22.10.2025). Wu Y. Zhang X. Lin J. High-Utility Itemset Mining: A Survey arXiv preprint arXiv:2204 https://arxiv.org/abs/2204.09888 Lin J., Gan W., Fournier-Viger P. Advances in High-Utility Pattern Mining // Artificial Intelligence Review. – 2024 – URL: https://link.springer.com/article/10.1007/s10462–024–10726–1 (дата обращения: 22.10.2025). Lin J. Gan W. Fournier-Viger P. Advances in High-Utility Pattern Mining Artificial Intelligence Review 2024 https://link.springer.com/article/10.1007/s10462–024–10726–1 Gan W., Lin J., Fournier-Viger P. Top-k High Utility Itemset Mining // arXiv preprint arXiv:2303.14510. – 2023 – URL: https://arxiv.org/abs/2303.14510 (дата обращения: 22.10.2025). Gan W. Lin J. Fournier-Viger P. Top-k High Utility Itemset Mining arXiv preprint arXiv:2303 https://arxiv.org/abs/2303.14510 Zhang Y. et al. Incremental High Average-Utility Itemset Mining // arXiv preprint arXiv:2407.11425. – 2024 – URL: https://arxiv.org/abs/2407.11425 ; Zhang Y. et al. Incremental High Average-Utility Itemset Mining arXiv preprint arXiv:2407 https://arxiv.org/abs/2407.11425 Scientific Reports. – 2024 – URL: https://www.nature.com/articles/s41598–024–60279–0 ; – 2024 – DOI: 10.1038/s41598–024–60279–0 (дата обращения: 22.10.2025). Scientific Reports 10.1038/s41598–024–60279–0 https://www.nature.com/articles/s41598–024–60279–0 Lin J., Gan W., Fournier-Viger P. Parallel High-Utility Itemset Mining // IEEE Transactions on Knowledge and Data Engineering. – 2023 – DOI: 10.1109/TKDE.2023.3290371. – URL: https://ieeexplore.ieee.org/document/10167780 (дата обращения: 22.10.2025). Lin J. Gan W. Fournier-Viger P. Parallel High-Utility Itemset Mining IEEE Transactions on Knowledge and Data Engineering 2023 10.1109/TKDE.2023.3290371 https://ieeexplore.ieee.org/document/10167780 Ahmed A., Hussein S. High Utility Mining in Dynamic Databases // Iraqi Journal of Intelligent Computing and Informatics. – 2025 – Vol. 4, No. 2. – P. 172–181. – DOI: 10.52940/ijici.v4i2.126 (дата обращения: 22.10.2025). Ahmed A. Hussein S. High Utility Mining in Dynamic Databases Iraqi Journal of Intelligent Computing and Informatics 2025 4 2 172 181 10.52940/ijici.v4i2.126 Dong Y. et al. Tutorial on Fairness in Graph Neural Networks // arXiv preprint arXiv:2204.09888. – 2022 – URL: https://arxiv.org/abs/2204.09888 (дата обращения: 22.10.2025). Dong Y. et al. Tutorial on Fairness in Graph Neural Networks arXiv preprint arXiv:2204 https://arxiv.org/abs/2204.09888 Dong Y. ICDM 2022 Tutorial: Fair Graph Mining [Электронный ресурс]. – URL: https://yushundong.github.io/icdm_tutorial_2022.pdf (дата обращения: 22.10.2025). Dong Y. ICDM 2022 Tutorial: Fair Graph Mining https://yushundong.github.io/icdm_tutorial_2022.pdf Gomes R., Bifet A. Streaming High-Utility Pattern Mining // arXiv preprint arXiv:2204.03719. – 2022 – URL: https://arxiv.org/abs/2204.03719 ; Gomes R. Bifet A. Streaming High-Utility Pattern Mining arXiv preprint arXiv:2204 https://arxiv.org/abs/2204.03719 Machine Learning. – 2023 – DOI: 10.1007/s10994–023–06353–6 (дата обращения: 22.10.2025). Machine Learning 10.1007/s10994–023–06353–6 Lin J., Gan W., Fournier-Viger P. Scented Utility Miner: Stream High Utility Itemset Mining // International Journal of Data Science and Analytics. – 2023 – URL: https://link.springer.com/article/10.1007/s41019–023–00229–4 ; – 2023 – DOI: 10.1007/s41019–023–00229–4 (дата обращения: 23.10.2025). Lin J. Gan W. Fournier-Viger P. Scented Utility Miner: Stream High Utility Itemset Mining International Journal of Data Science and Analytics 2023 10.1007/s41019–023–00229–4 https://link.springer.com/article/10.1007/s41019–023–00229–4 Lin J., Gan W., Fournier-Viger P. Scented Utility Miner // International Journal of Data Science and Analytics. – 2023 – Иллюстрации к экспериментам (рис. 16–17) (дата обращения: 24.10.2025). Lin J. Gan W. Fournier-Viger P. Scented Utility Miner International Journal of Data Science and Analytics 2023 16 17 Lin J., Gan W., Fournier-Viger P. Comparison of SUM and EIHI Algorithms // International Journal of Data Science and Analytics. – 2023 – Иллюстрации (рис. 21–22) (дата обращения: 24.10.2025). Lin J. Gan W. Fournier-Viger P. Comparison of SUM and EIHI Algorithms International Journal of Data Science and Analytics 2023 21 22 Lin J., Gan W., Fournier-Viger P. Sliding Window-Based HUIM Algorithms // International Journal of Data Science and Analytics. – 2023 – Иллюстрации (рис. 23–24) (дата обращения: 24.10.2025). Lin J. Gan W. Fournier-Viger P. Sliding Window-Based HUIM Algorithms International Journal of Data Science and Analytics 2023 23 24 Lin J., Gan W., Fournier-Viger P. Advances in High-Utility Pattern Mining // Artificial Intelligence Review. – 2024 – URL: https://link.springer.com/article/10.1007/s10462–024–10726–1 (дата обращения: 24.10.2025). Lin J. Gan W. Fournier-Viger P. Advances in High-Utility Pattern Mining Artificial Intelligence Review 2024 https://link.springer.com/article/10.1007/s10462–024–10726–1