Artificial Intelligence for Cluster Analysis: Case Study of Transport Companies in Czech Republic
Notice bibliographique
Résumé
What is the situation of the transport sector in the Czech Republic and what is its importance for the economy of the Czech Republic? How and to what extent do businesses operating in this sector influence the sector as such, and how many businesses in this sector have such influence? Additionally, what happens if the most important businesses in the transport sector go bankrupt, and which businesses are the most important ones? Searching for the answers to these questions is a subject of this contribution, focusing primarily on the cluster analysis using artificial neural networks (ANN), specifically with Kohonen networks, which represent the main method for processing a large volume of not only accounting data on transport companies. In this research, the dataset consists of the financial statements of transport companies for the years 2015–2018. The research part of the contribution deals mainly with the issue of the transport sector’s development in the years 2015–2018 with the companies operating in this sector and tries to identify the most important companies in terms of their importance for this sector. The results show that the whole transport sector is influenced mainly by the two largest companies, whose potential changes can affect companies themselves but to a great extent also the development of the whole transport sector. For the two companies, financial analysis is carried out using ratios, whose results show that despite the negative values of the important value generators of one of these companies, the company is still able to significantly influence the situation in the transport sector of the CR. This information is a clear guide for experts, development analysts, to determine the further development of the whole sector when focusing on the development of the two specific companies only. A question arises as to how the created model can be applied to other economic sectors, especially in other EU countries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».