Интеллектуальные модели мобильных операторов в электронной коммерции на основе самоорганизующих карт


The Presentation inside:

Slide 0

Интеллектуальные модели мобильных операторов в электронной коммерции на основе самоорганизующих карт Студента группы ИСОИ-96-1 Лесняка Д.В. руководитель проекта проф. Терзиян В.Я. Дипломный проект


Slide 1

Mgine Technologies. Основное направление. Ведущая финская компания в области персонализации мобильного сервиса Большое число специалистов занимающихся созданием средств исследования пользователей мобильных операторов в э-коммерции


Slide 2

Сегментация пользователей Основная задача исследования сегментов рынка в э-коммерции Сегментация – разделение пользователей в различные группы Степень схожести между пользователями из одной группы больше чем схожесть между пользователями из разных групп


Slide 3

Самоорганизующаяся карта Средство проецирования многомерных данных на двухмерную карту Визуализации данных: Схожие пользователи проецируются рядом на карте Пользователи одной группы раскрашиваются одним цветом


Slide 4

Алгоритмы сегментации Алгоритмы которые строят карту Самоорганизующаяся карта Кохонена (SOM) Топографическая карта (GTM) S-карта (S-Map) Недостатки Чувствительность к данным Длительное время работы


Slide 5

Локальность алгоритмов построения карты U A1 A3 A2 Область данных Область алгоритма А2


Slide 6

Варианты решения проблемы локальности алгоритмов Объединение алгоритмов в ансамбль: Параллельность (+) Сложность и большое количество ресурсов (-) Простой выбор наилучшего алгоритма: Простота реализации (+) Большое количество ресурсов (-) Предсказание характеристик алгоритмов: Выбора алгоритма до начала выполнения (+) Небольшое количество ресурсов (+) Длительный процесс обучения перед началом работы (-)


Slide 7

Цель дипломного проекта Построить интеллектуальную модель для выбора алгоритмов сегментации (построения карты пользователей) в зависимости от базы данных профилей Программно реализовать полученную модель


Slide 8

Профили пользователей


Slide 9

Основные характеристики базы данных Количество пользователей Количество атрибутов профилей Распределение значений атрибутов профилей Степень неполноты информации


Slide 10

Основные характеристики алгоритмов сегментации Скорость обучения Необходимое количество машинной памяти Ошибка обучения каждого из алгоритмов


Slide 11

Модель классификации алгоритмов Выбор алгоритма Характе-ристики БД Характе-ристики алгоритмов К Л А С С И Ф И К А Т О Р БД профилей Н С


Slide 12

Обучение нейронной сети Характеристики БД Изменение Нейронная сеть Алгоритм сегментации Характеристики алгоритма Ошибка Выходное значение Данные


Slide 13

Обучение классификатора Update Выходное значение Обучающие данные Характеристики алгоритмов Ошибка Изменение Классификатор


Slide 14

Система «SEGMAP»: диалог с пользователем


Slide 15

Система «SEGMAP»: результаты работы


Slide 16

Анализ возможных приложений в фирмах для исследования предпочтений пользователей и персонализации сервиса отправная точка для дальнейших исследований: усовершенствование блока классификатора за счет использования нечеткой логики анализ возможных характеристик базы данных


Slide 17

Экономическая часть Рекламный плакат системы Таблица доходов и затрат График достижения безубыточности


Slide 18

Рекламный плакат системы


Slide 19

Таблица доходов и затрат


Slide 20

График достижения безубыточности Точка безубыточности – 109 копии ПП


Slide 21

Охрана труда Проанализировано и изучено условия труда техника безопасности производственная санитария и гигиена труда пожарная профилактика Рассчитано освещенность


×

HTML:





Ссылка: