Интеллектуальные модели мобильных операторов в электронной коммерции на основе самоорганизующих карт

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

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

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

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

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

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 (-)

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

Профили пользователей

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

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

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

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

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

Система «SEGMAP»: диалог с пользователем

Система «SEGMAP»: результаты работы

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

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

Рекламный плакат системы

Таблица доходов и затрат

График достижения безубыточности
Точка безубыточности – 109 копии ПП