'

Интеллектуальные модели мобильных операторов в электронной коммерции на основе самоорганизующих карт

Понравилась презентация – покажи это...





Слайд 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


Слайд 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


Слайд 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


Слайд 3

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


Слайд 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


Слайд 5

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


Слайд 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 (-)


Слайд 7

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


Слайд 8

Профили пользователей


Слайд 9

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


Слайд 10

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


Слайд 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


Слайд 12

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


Слайд 13

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


Слайд 14

Система «SEGMAP»: диалог с пользователем


Слайд 15

Система «SEGMAP»: результаты работы


Слайд 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


Слайд 17

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


Слайд 18

Рекламный плакат системы


Слайд 19

Таблица доходов и затрат


Слайд 20

График достижения безубыточности Точка безубыточности – 109 копии ПП


Слайд 21

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


×

HTML:





Ссылка: