Інтелектуальний аналіз даних про відвідування сайтів для прогнозування вподобань користувача
Вантажиться...
Дата
2021
Науковий керівник
Укладач
Редактор
Назва журналу
ISSN
E-ISSN
Назва тому
Видавець
Одеський національний університет імені І. І. Мечникова
Анотація
В дипломной работе разрабатывается тема «Интеллектуальный анализ данных о посещении сайтов для прогнозирования пользовательских предпочтений». С развитием конкуренции на рынке предоставления услуг, увеличивается и необходимость новых подходов продвижения товаров и услуг, каждый бизнес старается сделать свои предложения более персонализированными для увлечения отклика среди клиентов. Поэтому анализ пользовательского поведения, поиск закономерностей в действиях пользователя и прогнозирование следующего его шага, такого как покупки товара, клика на рекламе как никогда актуально. В работе рассматриваются методы и задачи интеллектуального анализа данных, то есть процесс обнаружения подходящих для использования сведений и закономерностей в больших наборах данных, а именно, построение рекомендательных систем, основные подходы к их построению, характерные проблемы и метрики оценки качества рекомендательных систем.
В результате проведённых в работе исследований был проведен анализ методов создания рекомендательных систем. В дипломной работе были сформированы требования к рекомендательной системе, была построена система для сбора данных об активностях пользователя, был произведен сбор данных об активностях пользователей сайта генерации QR-кодов, произведен первичный анализ данных, разработаны несколько модификаций модели на основе рекуррентных нейронных сетей. Была получена модель показавшая наивысшую точность среди разработанных моделей.
У дипломній роботі розробляється тема «Інтелектуальний аналіз даних про відвідування сайтів для прогнозування користувацьких переваг». З розвитком конкуренції над ринком надання послуг, збільшується необхідність нових підходів просування товарів та послуг, кожен бізнес намагається зробити свої пропозиції більш персоналізованими для захоплення відгуку серед клієнтів. Тому аналіз користувача поведінки, пошук закономірностей у діях користувача та прогнозування наступного його кроку, такого як покупки товару, кліка на рекламі як ніколи актуально. У роботі розглядаються методи та завдання інтелектуального аналізу даних, тобто процес виявлення відповідних для використання відомостей та закономірностей у великих наборах даних, а саме, побудова рекомендаційних систем, основні підходи до їх побудови, характерні проблеми та метрики оцінки якості рекомендаційних систем. В результаті проведених у роботі досліджень було проведено аналіз методів створення рекомендаційних систем. У дипломній роботі були сформовані вимоги до рекомендаційної системи, була побудована система для збору даних про активності користувача, було проведено збір даних про активності користувачів сайту генерації QR-кодів, проведено первинний аналіз даних, розроблено кілька модифікацій моделі на основі рекурентних нейронних мереж. Була отримана модель, що показала найвищу точність серед розроблених моделей.
In the thesis, the topic is being developed "Intelligent analysis of data on visits to sites to predict user preferences." With the development of competition in the market for providing services, the need for new approaches to promoting goods and services is increasing, each business is trying to make its offers more personalized in order to attract a response from customers. Therefore, analyzing user behavior, searching for patterns in user actions and predicting his next step, such as buying a product, clicking on an advertisement, is more relevant than ever. The paper discusses the methods and tasks of data mining, that is, the process of finding suitable information and patterns in large data sets, namely, the construction of recommender systems, the main approaches to their construction, typical problems and metrics for assessing the quality of recommender systems. As a result of the research carried out in the work, an analysis of the methods for creating recommender systems was carried out. In the thesis, the requirements for the recommendation system were formed, a system was built for collecting data on user activities, data on the activities of users of the QR-code generation site was collected, primary data analysis was performed, several modifications of the model were developed based on recurrent neural networks. A model was obtained that showed the highest accuracy among the developed models.
У дипломній роботі розробляється тема «Інтелектуальний аналіз даних про відвідування сайтів для прогнозування користувацьких переваг». З розвитком конкуренції над ринком надання послуг, збільшується необхідність нових підходів просування товарів та послуг, кожен бізнес намагається зробити свої пропозиції більш персоналізованими для захоплення відгуку серед клієнтів. Тому аналіз користувача поведінки, пошук закономірностей у діях користувача та прогнозування наступного його кроку, такого як покупки товару, кліка на рекламі як ніколи актуально. У роботі розглядаються методи та завдання інтелектуального аналізу даних, тобто процес виявлення відповідних для використання відомостей та закономірностей у великих наборах даних, а саме, побудова рекомендаційних систем, основні підходи до їх побудови, характерні проблеми та метрики оцінки якості рекомендаційних систем. В результаті проведених у роботі досліджень було проведено аналіз методів створення рекомендаційних систем. У дипломній роботі були сформовані вимоги до рекомендаційної системи, була побудована система для збору даних про активності користувача, було проведено збір даних про активності користувачів сайту генерації QR-кодів, проведено первинний аналіз даних, розроблено кілька модифікацій моделі на основі рекурентних нейронних мереж. Була отримана модель, що показала найвищу точність серед розроблених моделей.
In the thesis, the topic is being developed "Intelligent analysis of data on visits to sites to predict user preferences." With the development of competition in the market for providing services, the need for new approaches to promoting goods and services is increasing, each business is trying to make its offers more personalized in order to attract a response from customers. Therefore, analyzing user behavior, searching for patterns in user actions and predicting his next step, such as buying a product, clicking on an advertisement, is more relevant than ever. The paper discusses the methods and tasks of data mining, that is, the process of finding suitable information and patterns in large data sets, namely, the construction of recommender systems, the main approaches to their construction, typical problems and metrics for assessing the quality of recommender systems. As a result of the research carried out in the work, an analysis of the methods for creating recommender systems was carried out. In the thesis, the requirements for the recommendation system were formed, a system was built for collecting data on user activities, data on the activities of users of the QR-code generation site was collected, primary data analysis was performed, several modifications of the model were developed based on recurrent neural networks. A model was obtained that showed the highest accuracy among the developed models.
Опис
Ключові слова
126 інформаційні системи та технології, анализ данных, прогнозирования пользовательских предпочтений, аналіз даних, прогнозування користувацьких переваг, analysis of data, predict user preferences
Бібліографічний опис
Міхальцова А. Є. Інтелектуальний аналіз даних про відвідування сайтів для прогнозування вподобань користувача : дипломна робота магістра / А. Є. Міхальцова. – Одеса, 2021. – 78 с.