Бидний тухай
Багш ажилтан
Marketing activation generates large volumes of data, yet these data are often organized in flat tables that do not explicitly capture relationships among brands, channels, partners, and promotions. As a result, forecasting models may detect statistical associations without fully reflecting how marketing elements interact in practice. This study addresses this limitation by structuring marketing knowledge through an ontology and implementing it as a knowledge graph. SPARQL queries were used to derive relational indicators representing interaction patterns across products, promotions, channels, and partners. These semantic features were integrated into regression-based forecasting models. The empirical analysis is based on 2.9 million transactional records from a large FMCG distribution company covering 2020–2024. Multiple linear regression, random forest regression, and gradient boosting regression were estimated and compared with baseline models relying solely on conventional tabular features. Model performance was evaluated using RMSE, MAE, and adjusted R². Gradient Boosting achieved the strongest results (RMSE = 116.93; MAE = 10.15; adjusted R² = 0.27). While performance improvements were moderate, models enriched with ontology-derived features consistently outperformed baseline specifications. The findings indicate that incorporating structured relational knowledge enhances interpretability and introduces incremental predictive gains. The study demonstrates how semantic modeling can be systematically integrated into regression-based activation forecasting within an enterprise context. Future research may apply the framework to independent enterprise datasets to assess external validity.
Agile software development is widely adopted in modern software organizations because it enables teams to deliver software incrementally and respond quickly to changing requirements. Despite its advantages, analyzing sprint performance remains challenging since project data are often distributed across multiple tools and systems and do not clearly represent the relationships between development activities. This study examines factors influencing sprint performance using knowledge graph modeling combined with regression analysis. Project data describing sprints, tasks, team members, and requirement changes were collected from agile development records. After preprocessing, these data were organized into a knowledge graph using the Neo4j graph database. This structure makes it possible to examine relationships such as task dependencies and coordination among team members during sprint execution. The study focuses on indicators related to task dependencies, workload distribution, and coordination patterns. The analysis is based on data from 380 sprints carried out by six agile development teams over a five-year period. Sprint performance is evaluated using the Sprint Completion Rate, which indicates how much of the planned story point workload is completed within a sprint. Task dependency depth is related to sprint performance, with higher values associated with improved sprint completion in this dataset. In addition, higher betweenness centrality (normalized) within the task dependency network is positively related to sprint performance, suggesting that well-coordinated task structures contribute to more effective sprint execution. The regression model explains approximately 48.9% of the variation in sprint completion rates. Overall, the results suggest that structural indicators derived from knowledge graphs help reveal patterns in agile development processes that are difficult to observe using traditional tabular data. The integration of graph-based indicators with regressionbased analysis provides a practical framework for understanding sprint performance and supporting decision-making
Knowledge Tracing (KT) models are widely used to estimate learners’ knowledge states. Recent approaches often rely on deep neural architectures, which can be difficult to interpret, computationally expensive, and challenging to deploy in real-world educational settings. In addition, explicitly modeling relationships between topics remains a key challenge. This study proposes a knowledge-structured framework that automatically identifies latent relationships between topics from real learning data and integrates them with machine learning–based prediction. Topic similarity is estimated using cosine similarity to construct a knowledge graph, and learner knowledge states are updated through a graph-based propagation process. This approach enables related topics to influence each other, providing a more structured view of learning dynamics. Experimental results show that the proposed method produces more stable and consistent knowledge estimates compared to approaches based solely on raw performance data. The model achieves a Recall of 0.92, an AUC of 0.61, and an RMSE of 0.55, indicating strong sensitivity to learning risk while maintaining stable predictions.
In this study, we employed machine learning to investigate the impact of behavioral and psychological factors on investment decision-making in the Mongolian stock market. Survey data were collected from individual investors and analyzed using Principal Component Analysis (PCA) with Varimax rotation to extract latent behavioral constructs. Three core factors were identified: Market Reaction and Short-Term Trends, Sensitivity to News and Fundamental Information, and Risk Attitude and Self-Confidence. Using these factors, K-means clustering revealed three investor profiles: Independent Risk Seekers, Reactive Traders, and Cautious Fundamental Investors. Subsequently, Random Forest, Logistic Regression, and Gradient Boosting models were trained in Python to predict investors’ “buy or sell” decisions. Among the tested algorithms, Logistic Regression achieved the highest performance (Accuracy= 0.765, AUC= 0.707, Precision= 0.72, Recall= 0.69). These results demonstrate the potential of machine learning to quantify psychological behavior and implement behavioral finance theory.
Бид энэхүү өгүүлэлдээ бөөний худалдааны бизнесийн байгууллага борлуулалтын орлогыг сайжруулах зорилгоор маркетингийн идэвхжүүлэлтийн аргууд ашигласан өгөгдөл дээр суурилан хугацааны явцад хэрхэн орлогын өөрчлөлтийг хянаж, сайжруулж, удирдаж болох боломжтойг судлах зорилгоор мэдлэгийн граф бүхий граф өгөгдлийн сан үүсгэж машин сургалтын арга ашиглан үнэлгээ хийсэн ажлыг танилцууллаа.
Many factors affect the digital transformation of any country, such as government policies and regulations, ICT (Information and Communication Technology) development, development of infrastructure, and citizens' readiness for digital transition. This article presents the results of a study conducted in a rural area of Mongolia to determine whether citizens are ready for digital transformation in ICT development, using the UTAUT (Unified Theory of Acceptance and the Use of Technology) model.
The Industrial Revolution urges us to think creatively, attentively, and well planned about educating future generations. Technology will impact the teaching, learning, and environmental experience in many ways in the coming years. With the support of decision support systems, institutions can enhance higher education quality assurance by providing more rich learning and teaching experiences, improved operational efficiency, and real-time, actionable insight into student and staff performance. Understanding the interests and views of stakeholders can lead to more effective decision-making. While the national context may vary, there is consensus on the focus areas of higher education quality assurance. The five quality focus areas are Governance and Management, Academic Quality of Teaching and learning, Research, Industry Engagements, and Internal & External Services. In this study, we have determined stakeholders for five quality focus areas in the National University of Mongolia. In the second step, we used Weka to analyze more than 1000 students, 200 graduate satisfaction results. In developing the stakeholder’s satisfaction survey, we included the above five quality focus areas and the most important factors influencing quality in each area. Finally, we have proposed a survey-based framework for Enhancing Higher Education Quality.
In this article, we discuss web-based system development, including its trends, stages of software architecture development, comparison of service-oriented, microservices, and serverless architectures, and research on scalability. We also delve into software re-engineering techniques, methods for migrating old web system architectures to new ones, and the new architecture's structure and components. Our research and methodology aimed to improve the architecture of a web access system in need of change, and we implemented a test using a case study on the SiSi system of the National University of Mongolia.
In this article, we have studied how the technology implementing the "Serverless" architecture is used in modern software development by automating the tasks required for server development technical operations, making them independent of developers and how these technologies can be used in possible situations, the advantages and disadvantages of cloud technology. It also shows how this architectural solution supports the creation of a complex software solution that replaces the current physical and non-physical servers as well as comparative study of pricing and scalability of our testing system using AWS (Amazon Web Services), which provides 33% of the total use of "Serverless" architecture.
The Information and Communication Technology (ICT) for improving the organizational culture and services, enhancing the transparency of the organizations’ activities, improving the quality of services, and satisfying the needs and requirements of modern societies and markets. This article proposes the technological solution for extending the Cloud-based Call Services with voice recognition. This solution can be fully implemented in the organization’s information system in a short time and at a low cost.
Дэлхий дахинаа цахим шилжилт хийж буй өнөө үед хүн бүрд өдөр тутмын ахуй амьдрал, ажилдаа хэрэгцээ шаардлагад нийцсэн мэдээлэл, боломжит мэдээллийн технологийг хүртээмжтэй, үр бүтээмжтэй ашиглах шаардлага тулгарч байна. Иймд бүх нийтийн мэдээлэл, харилцаа холбооны технологийн тэгш хүртээмжийг нэмэгдүүлэх, ялангуяа хөгжлийн бэрхшээлтэй иргэдийн технологийн хүртээмж, хэрэглээг дээшлүүлэх асуудал чухлаар тавигдаж байна. Бид энэхүү өгүүлэлд хөгжлийн бэрхшээлтэй иргэдийн МХХТ-ийн сурах арга барил, сургалтын онцлог, тэдэнд МХХТ-ийн сургалт зохион байгуулж буй олон улсын туршлагыг танилцуулж, манай улсад энэ чиглэлийн сургалтыг зохион байгуулах талаарх зөвлөмжийг хүргэж байна.
Өнөөдөр дэлхийн олон улс орон хөгжлийн бэрхшээлтэй хүний эрх, оролцоо, хамгааллыг дэмжих, тэгш хамруулан сургах боловсролын хүртээмжийг нэмэгдүүлэх, үр бүтээлтэй суралцах орчныг бүрдүүлэх, ялангуяа МХХТ-ийн мэдлэг, ур чадварыг эзэмшүүлэхэд ихээхэн анхаарах болжээ. Манай улс энэ чиглэлээр олон талт арга хэмжээг авч хэрэгжүүлж байгаа хэдий ч хөгжлийн бэрхшээлтэй иргэдэд зориулсан МХХТ-ийн сургалтыг зохион байгуулахад суралцагчдын ялгаатай шинж байдлыг тусгасан тодорхой хөтөлбөр, агуулга байхгүй байна. Бид энэхүү өгүүлэлд хөгжлийн бэрхшээлтэй иргэдийн МХХТ-ийн хэрэглээ, тулгарч буй асуудлууд, тэдгээрийн сурах арга барилын талаар авч үзэн МХХТ-ийн сургалтыг хөгжлийн бэрхшээлтэй иргэдийн бодит хэрэгцээнд тулгуурлан үр ашигтай зохион байгуулах, сургалтын үр өгөөж ба үр дүнг нэмэгдүүлэх зорилгоор сургалтын ерөнхий загвар болон сургалтын үйл ажиллагааны хувилбар загварыг танилцуулж байна.
МХХТ, интернэт хувь хүний өдөр тутмын амьдралын наад захын хэрэглээ болсон өнөө үед хөгжлийн бэрхшээлтэй иргэд нийгмийн болон цахим харилцаанд тэгш оролцох, цахим орчинд аюулгүй ажиллахад МХХТ-ийн мэдлэг, ур чадвартай байх зайлшгүй шаардлага тулгарч байна. Бид энэхүү өгүүлэлд хөгжлийн бэрхшээлтэй иргэдийн МХХТ-ийн хэрэгцээ, зохицуулалт, тэдний мэдээллийн хүртээмж ба МХХТ-ийн ур чадвар, хэрэглээнд тулгарч буй асуудлыг авч үзэж, хөгжлийн бэрхшээлтэй иргэдийн МХХТ-ийн ур чадварыг дээшлүүлэх чиглэлээр авч хэрэгжүүлэх арга хэмжээг санал болгосон болно.
Энэхүү өгүүлэлд бид жижиглэн худалдаа хийдэг дэлгүүрийн хувьд зарагдсан барааны түүхэн өгөгдөлд тулгуурлан бараа, татан нийлүүлэлтийн таамаглалыг өгөгдөл олборлолтын apriori болон association rule-г ашиглан орлогыг нэмэгдүүлэхийн тулд худалдан авагчийн нэг удаагийн худалдан авалтын өгөгдөлд дүн шинжилгээ хийж, өгөгдөл олборлолтын өнгөрсөнд болсон зүйлс яагаад тохиолдсон болохыг ойлгох (descriptive analytics) арга алгоритмуудын талаар болон тэдгээрийг хэрхэн оновчтойгоор ашиглах талаар өгүүлнэ. Одоо үед аж ахуй нэгж, бизнесийн байгууллага бүр түүнчлэн хувь хүн хүртэл үйл ажиллагааны түүхэн мэдээллээс өгөгдөл олборлолтын арга техникүүдийг ашиглан шаардлагатай мэдээллийг мэдлэг болгон авч цаашдын ажил, амьдралын үйл ажиллагаандаа ухаалгаар ашиглаж байна. Өгөг дөл олборлолтын хувьд бусад хэрэгслүүдээр илрүүлэх боломжгүй эдийн засгийн үр өгөөж өгөх боломжтой нууцлаг зүй тогтол, холбооснуудыг ч илрүүлж чаддагаараа илүү давуу талтай.
In this paper, we presented two POS taggers for Mongolian, namely Neural Networks - Multilayer Perceptron and Hidden Markov Model with Viterbi. The accuracy of the former tagger is 95.6%, whereas the latter tagger is 85.6%. Also, we compared the performance of our taggers with the previous works. The comparison shows that the Neural Network tagger performs better for Mongolian POS tagging than other approaches. Our dataset consists of about 5000 sentences and includes almost 100,000 words for training and testing.
Хөрөнгө оруулагч нь хөрөнгийн зах зээлд хөрөнгө оруулалт хийж өөрийнхөө ашиг орлогыг нэмэгдүүлэх зорилготой байдаг. Энэхүү судалгааны ажлаар бид үнэт цаасны багц сонголтод өгөгдлийн уурхайн арга техникийг хэрхэн ашиглаж болохыг судлан, зургаан алхамт арга зүй боловсруулсан. Уг арга зүйн дагуу өөрийн орны улс төр, эдийн засаг, хууль эрх зүй болон компанийн засаглалын нөлөөллийг тусгасан багц сонголт хийхэд туслах системийг хөгжүүлсэн бөгөөд хөрөнгө оруулагчид болон санхүүгийн зуучлагчид системээс оновчтой багцыг хувилбаруудыг харж сонголт хийх боломжтой. Судалгааны өгөгдлөөр Монголын хөрөнгийн биржид бүртгэлтэй үйл ажиллагаа явуулж буй TOP-20 индекстэй компаниудын компаниудын 2013 оны 1-р сарын 1-нээс 2017 оны 12-р сарын 31-ний өдрийн хувьцааны ханшийн мэдээлэл, санхүүгийн тайлангууд болон үйл ажиллагааны тайлангийн мэдээллийг авлаа.
Investors aim to increase their profits by investing in the stock market. One possible strategy for minimization of risk is by enlarging or varying its field of operation for the portfolio. In this paper, we propose a six-step stocks portfolio selection model. This model is based on data mining clustering techniques that reflect the impact of Mongolian political, economic, legal, and corporate governance. As a dataset, we have selected stock exchange trading price, financial statements, and operational report information of TOP-20 highly capitalized stocks traded at the Mongolian Stock Exchange from 2013-to 2017. To cluster stock returns and risks, we have used K-means clustering techniques. We have combined both K-means clustering with Markowitz's portfolio theory to create an optimal, efficient portfolio. We constructed an efficient frontier, 15 portfolios created, and calculated the weight of stocks in each portfolio. From these portfolio options, the investor can choose according to his behavior.
Энэхүү өгүүллээр бид кирилл бичвэрийн зөв бичиглэл шалгаж алдааг илрүүлэх, засах алгоритмын тооцооллын талаар авч үзлээ. Дамерау-Левенштэйны (DL) зай ашиглан мөр шалгахад дөрвөн төрлийн үйлдэл (үсэг хасах+үсгийн байрлал солих+өөр үсэг орлуулах+үсэг нэмэх) гүйцэтгэдэг. Мөр шалгах үйлдлийг хурдан гүйцэтгэхийн тулд хөмрөгийг зөвхөн үсэг хасах хувиргалтаар бүх боломжит дүрсийг тооцоолж хөмрөгт буцааж нэмнэ. Бид энэ ажлаар дээрх дөрвөн үйлдлээр үгийн хувилбар үүсгэхгүй зөвхөн хайж буй мөрөөс үсэг хасах үйлдлээр үгийг шалгах боломжтой болно. Ингэснээр хөмрөгөөс мөр хайх тооцооллын төвөгтэй байдлыг багасгах юм. Бид өмнөх ажлаар minimum edit distance арга, n-gram ашиглан үгийн бичиглэл болон утгын алдааг шалгах, засах алгоритмыг туршсан. Энэ ажлаар үгийн алдаа шалгах хэсгийн гүйцэтгэлийг сайжруулах талаар судалсан болно.
Компьютерын хэл шинжлэл нь дэлхийн хэл бүрд харилцан адилгүй хөгжсөөр байна. Аливаа хэлний хувьд хэл боловсруулалтын судалгаа, арга, техникүүд хөгжих нь мэдээллийн технологийнх нь салбарт чухал ач холбогдолтой. Хэдийгээр манай Монгол хэл боловсруулалт харьцангуй хөгжиж байгаа хэдий ч зарим нэг чухал судалгаанууд хийгдээгүй хэвээр байна. Учир нь зарим тохиолдолд эдгээр судалгааг хийх нөөц ба хэрэгслүүд хараахан бүрдээгүйд оршино. Эдгээр судалгаануудын нэг нь Нээлттэй Мэдээлэл Задлал юм. Энэхүү өгүүллийн зорилго нь ийм системийг монгол хэл дээр байгуулах боломж, нөхцөл бүрдсэн эсийг судалж ашиглагдаж болох аргуудыг танилцуулах юм.
We developed the six-step model of portfolio selection in the Mongolian stock exchange considering the political, economic, legal, and corporate governance impacts. We obtained the stock price information of the companies listed in the TOP-20 index between January 1, 2014, and December 31, 2016, their financial statements, operational reports, and processed quantitative input following the methodology we proposed in this paper. Established hierarchical clusters based on the correlation matrix of share return and applied the k-means method of clustering by share return and risk appraisals. To select the efficient portfolio package, we solved the return maximization target on selected shares of the companies, based on X. Markowitz’s mean–variance model. To achieve the maximum return of the portfolio, we estimated the share purchase ratio per each type of share and created 11 different portfolio packages based on these shares. The investor may select one of these portfolios depending on his own characteristics.
“Үнэт цаасны багц сонголтод өгөгдөл олборлолтыг ашиглах арга зүй” сэдэвт судалгааны ажлаар бид үнэт цаасны багц сонголтод өгөгдөл олборлолт /Data mining/ - ын арга техникийг ашиглах арга зүйг судлан 6 алхамт загвар гаргасан билээ. Энэхүү арга зүйн загварын дагуу Монголын хөрөнгийн биржид бүртгэлтэй үйл ажиллагаа явуулж буй TOP-20 индекстэй компаниудын хувьцааны арилжааны мэдээллийг авч боловсруулан хувьцааны хүлээгдэж буй өгөөж болон эрсдэлд тулгуурлан К-дунджийн аргаар бүлэглэлтийг үүсгэлээ. Тухайн бүлэглэлтэд санхүүгийн үзүүлэлтээрээ ойролцоо шинж чанар бүхий компаниудын хувьцаа байрлах бөгөөд бүлэглэлт бүрээс үнэт цааснуудыг сонгон авч багцын хүлээгдэж буй өгөөжийг хамгийн их, эрсдэлийг хамгийн бага байлгах үнэт цаасны багцыг Х.Марковицын загвараар тооцоолон багцад байх хувьцааны хувийн жинг гаргасан. Судалгааны өгөгдлөөр МХБ-д бүртгэлтэй ТОП-20 индекстэй компаниудын 2013 оны 01-р сарын 01-ээс 2017 оны 12-р сарын 31-ний хоорондох хувьцааны арилжааны ханшийн мэдээллийг авлаа.
“Үнэт цаасны багц сонголтод өгөгдөл олборлолтыг ашиглах арга зүй” сэдэвт судалгааны ажлаар бид үнэт цаасны багц сонголтод өгөгдөл олборлолт /Data mining/ - ын арга техникийг ашиглах арга зүйг судлан 6 алхамт загвар гаргасан билээ. Энэхүү арга зүйн загварын дагуу Монголын хөрөнгийн биржид бүртгэлтэй үйл ажиллагаа явуулж буй TOP-20 индекстэй компаниудын хувьцааны арилжааны мэдээллийг авч боловсруулан хувьцааны хүлээгдэж буй өгөөж болон эрсдэлд тулгуурлан К-дунджийн аргаар бүлэглэлтийг үүсгэлээ. Тухайн бүлэглэлтэд санхүүгийн үзүүлэлтээрээ ойролцоо шинж чанар бүхий компаниудын хувьцаа байрлах бөгөөд бүлэглэлт бүрээс үнэт цааснуудыг сонгон авч багцын хүлээгдэж буй өгөөжийг хамгийн их, эрсдэлийг хамгийн бага байлгах үнэт цаасны багцыг Х.Марковицын загвараар тооцоолон багцад байх хувьцааны хувийн жинг гаргасан. Судалгааны өгөгдлөөр МХБ-д бүртгэлтэй ТОП-20 индекстэй компаниудын 2013 оны 01-р сарын 01-ээс 2017 оны 12-р сарын 31-ний хоорондох хувьцааны арилжааны ханшийн мэдээллийг авлаа.
Энэхүү судалгааны ажлын зорилго нь үнэт цаасны багц сонголт хийхэд өгөгдөл олборлолтын арга техникүүдээс аль нь илүү тохиромжтой болохыг судалж, Монголын хөрөнгийн зах зээлийн онцлогийг тусган үнэт цаасны багц сонголтыг оновчтой хийх арга зүй боловсруулах явдал юм. Гаргасан арга зүйг шалгахдаа Монголын хөрөнгийн биржийн 2016 оны арилжааны өгөгдлийг авч ашигласан. Үнэт цаасны багц сонголтод өгөгдөл олборлолтыг ашиглах 6 алхамт арга зүйн загвар боловсруулсан.
This research paper analyzed the stock prices of Mongolia Stock Exchange TOP 20 index from 1 January 2012 to 31 December 2016, and estimated the return rate of these stocks. A hierarchical clustering was created from the correlation matrix of stock returns. From this clustering five stocks were selected for the portfolio construction and the rate of return was maximized using the Modern Portfolio Theory developed by Harry Markowitz. The weight of each stock in the portfolio was calculated for maximization the return rate of the portfolio, and 12 portfolios were constructed from these five stocks. An investor can select appropriate one of these portfolios in accordance with his or her risk and return characteristics.
This research paper analyzed the stock prices of Mongolia Stock Exchange TOP 20 index from 1 January 2015 to 31 December 2017, and estimated the return rate of these stocks. K-means clustering was created from the of stock returns and risk. Stock were placed in the clustering rank of stocks. From this clustering five stocks were selected for the portfolio construction and the rate of return was maximized using the Modern Portfolio Theory developed by Harry Markowitz. The weight of each stock in the portfolio was calculated for maximization the return rate of the portfolio.
This research paper analyzed the stock prices of Mongolia Stock Exchange TOP 20 index from 1 January 2015 to 31 December 2017, and estimated the return rate of these stocks. K-means clustering was created from the of stock returns and risk. Stock were placed in the clustering rank of stocks. From this clustering five stocks were selected for the portfolio construction and the rate of return was maximized using the Modern Portfolio Theory developed by Harry Markowitz. The weight of each stock in the portfolio was calculated for maximization the return rate of the portfolio.
Business intelligence system collects structured and unstructured data from various sources and do prediction to support decision-making by analyzing. It is possible to extract valuable information behind a large amount of data by this system [1]. Nowadays, semi-structured and unstructured data is increasing rapidly. [2]. Thus, there is need to collect various types of data and process it. In this paper, we will propose the solution that how to implement business intelligence system possibility to analyze big data and then apply it into supermarket’s business intelligence system. We have used advanced technology Hadoop and other technologies based on Hadoop such as Hive data warehouse, Sqoop data transmission tool, Mahout library to store and process big data. All of these technologies are open-source and its advantage is to distribute large datasets across thousands of machines and then work as one
Үнэн зөв мэдээлэл гаргаж авахын тулд өгөгдөл нь гажиггүй байх ёстой. Худал мэдээлэл гарахад нөлөөлөх гажиг өгөгдлийг зайлуулснаар мэдээллийн чанарыг сайжруулах боломжтой болдог. Гажиг илрүүлэлтийн гол зорилго нь бусдаасаа ялгаатай объектуудыг хайж олох юм. Түүнчлэн гажиг илрүүлэлтийн аргуудыг ашиглан төрөл бүрийн залилан болон кредит картын залиланг илрүүлэх, сүлжээний халдлагыг ч илрүүлэх боломжтой юм. Энэхүү өгүүлэлд бид өмнөх судалгааны ажлаар хэрэгжүүлсэн дэлгүүрийн бизнесийн мэдээллийн системийн үр дүнг сайжруулах зорилгоор гажиг илрүүлэлтийн үе шатыг нэмж хэрэгжүүлсэн. Дэлгүүрийн бизнесийн мэдээллийн системээс холбоо хамааралтай бүтээгдэхүүнүүдийн мэдээллийг боловсруулахаас өмнө өгөгдлөөс гажгийг зайлуулах замаар үр дүнг сайжруулсан.
