prikaz prve stranice dokumenta Comparison of Clustering Algorithms for Optimal Restaurant Location Selection Using Location-Based Social Networks Data
  Preuzmi
PDF 9.49 MB
Znanstveni rad - Izvorni znanstveni rad
Comparison of Clustering Algorithms for Optimal Restaurant Location Selection Using Location-Based Social Networks Data
U: Međunarodni znanstveni simpozij Gospodarstvo istočne Hrvatske – jučer, danas, sutra. Osijek: Ekonomski fakultet Sveučilišta Josipa Jurja Strossmayera u Osijeku, 2021. str. 677-690. urn:nbn:hr:112:377078
Đokić, Kristian; Potnik Galić, Katarina; Štavlić, Katarina

Citirajte ovaj rad

Đokić, K., Potnik Galić, K. i Štavlić, K. (2021). Comparison of Clustering Algorithms for Optimal Restaurant Location Selection Using Location-Based Social Networks Data. Međunarodni znanstveni simpozij Gospodarstvo istočne Hrvatske – jučer, danas, sutra (str. 677-690). Osijek: Ekonomski fakultet Sveučilišta Josipa Jurja Strossmayera u Osijeku. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:112:377078

Đokić, Kristian, et al. "Comparison of Clustering Algorithms for Optimal Restaurant Location Selection Using Location-Based Social Networks Data." Međunarodni znanstveni simpozij Gospodarstvo istočne Hrvatske – jučer, danas, sutra, Ekonomski fakultet Sveučilišta Josipa Jurja Strossmayera u Osijeku, 2021, str. 677-690. https://urn.nsk.hr/urn:nbn:hr:112:377078

Đokić, Kristian, Katarina Potnik Galić i Katarina Štavlić. "Comparison of Clustering Algorithms for Optimal Restaurant Location Selection Using Location-Based Social Networks Data." U Međunarodni znanstveni simpozij Gospodarstvo istočne Hrvatske – jučer, danas, sutra, 677-690. Osijek: Ekonomski fakultet Sveučilišta Josipa Jurja Strossmayera u Osijeku, 2021. Citirano 05.02.2025.. https://urn.nsk.hr/urn:nbn:hr:112:377078

Đokić, K., Potnik Galić, K. i Štavlić, K. (2021) 'Comparison of Clustering Algorithms for Optimal Restaurant Location Selection Using Location-Based Social Networks Data', Međunarodni znanstveni simpozij Gospodarstvo istočne Hrvatske – jučer, danas, sutra, Ekonomski fakultet Sveučilišta Josipa Jurja Strossmayera u Osijeku, Osijek, str. 677-690. Preuzeto s: https://urn.nsk.hr/urn:nbn:hr:112:377078 (Datum pristupa: 05.02.2025.)

Đokić K, Potnik Galić K, Štavlić K. Comparison of Clustering Algorithms for Optimal Restaurant Location Selection Using Location-Based Social Networks Data. Međunarodni znanstveni simpozij Gospodarstvo istočne Hrvatske – jučer, danas, sutra. Osijek: Ekonomski fakultet Sveučilišta Josipa Jurja Strossmayera u Osijeku; 2021. Str. 677-690. [pristupljeno 05.02.2025.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:112:377078

K. Đokić, K. Potnik Galić i K. Štavlić, "Comparison of Clustering Algorithms for Optimal Restaurant Location Selection Using Location-Based Social Networks Data", Međunarodni znanstveni simpozij Gospodarstvo istočne Hrvatske – jučer, danas, sutra Osijek: Ekonomski fakultet Sveučilišta Josipa Jurja Strossmayera u Osijeku, 2021. [Online] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:112:377078 [Citirano: 05.02.2025.]

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:112:377078
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
Naslov (engleski)Comparison of Clustering Algorithms for Optimal Restaurant Location Selection Using Location-Based Social Networks Data
AutorKristian Đokić
AutorKatarina Potnik Galić
AutorKatarina Štavlić
Autorova ustanovaVeleučilište u Požegi
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Ekonomija
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Informacijske i komunikacijske znanosti
Sažetak (engleski)
Machine learning algorithms are increasingly used in various fields. Unlike supervised algorithms that require the engagement and knowledge of experts in a particular area, unsupervised algorithms do not need it and are therefore more comfortable to use. Clustering algorithms belong to unsupervised algorithms and are used to group data according to a given similarity criterion with achieving significant similarity between data within the same group and minor similarities between data belonging to different groups. In this paper, five clustering algorithms in restaurant location optimization in Zagreb are analyzed. The clustering algorithms' output result lists municipalities in Zagreb city divided into groups with similar properties. Based on these data, the investor can quickly conclude what individual municipalities are similar and based on that, a more objective assessment of the location of a restaurant or catering facility can be made before the investment. The data based on which the algorithms divided parts of Zagreb into groups were obtained from a social network that can store user locations. One of the essential functions of the used social network is sharing information about restaurants, cafes, and other catering facilities. The common name of these social networks is a location-based social network. The paper compares the Gaussian Mixture Model algorithm, k- means algorithm, Hierarchies algorithm, Agglomerative Clustering algorithm, and Spectral Clustering algorithm. The selected five algorithms have the property that one of their input variables is the number of clusters.
Ključne riječi (engleski)
Jezikengleski
Vrsta publikacijeZnanstveni rad - Izvorni znanstveni rad
Status objaveObjavljen
Vrsta recenzijeRecenziran - međunarodna recenzija
Verzija publikacijeObjavljena verzija rada (izdavačev PDF)
Naslov zbornikaMeđunarodni znanstveni simpozij Gospodarstvo istočne Hrvatske – jučer, danas, sutra
Brojčani podacistr. 677-690
p-ISSN1848-9559
URN:NBNurn:nbn:hr:112:377078
Datum objave publikacije2021
SkupNaziv: 10th International Scientific Symposium Region, Entrepreneurship, Development (RED 2021)
Lokacija: Osijek, Hrvatska
Datum početka: 2021-06-17
Datum završetka: 2021-06-17
Vrsta izlaganja: Predavanje
Vrsta resursaTekst
IzdavačEkonomski fakultet Sveučilišta Josipa Jurja Strossmayera u Osijeku
Mjesto izdavanjaOsijek
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-05-06 10:04:31