📄Работа №130301
Тема: Предсказание удовлетворенности пользователя при поиске в онлайн-картах
Тип работы
Бакалаврская работа
Предмет
Математика
Объем:
45 листов
Год:
2016
Просмотров:
79
4650
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Постановка задачи . . . . . . . . . . . . . . . . . . . . . . 5
Обзор литературы . . . . . . . . . . . . . . . . . . . . . . 6
Глава 1. Подготовка данных и выбор модели предсказа-
ния удовлетворенности . . . . . . . . . . . . . . . . . . 10
1.1. Исходные данные . . . . . . . . . . . . . . . . . . . 10
1.2. Выбор подхода . . . . . . . . . . . . . . . . . . . . 14
Глава 2. Алгоритм прогнозирования . . . . . . . . . . . . 15
2.1. Программа для парсинга . . . . . . . . . . . . . . . 15
2.2. Построение модели регрессии . . . . . . . . . . . . 16
2.3. Предсказание удовлетворенности . . . . . . . . . . 20
2.4. Предсказание удобства поискового сервиса . . . . 27
Заключение . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Список литературы . . . . . . . . . . . . . . . . . . . . . 34
Приложение . . . . . . . . . . . . . . . . . . . . . . . . . 35
Постановка задачи . . . . . . . . . . . . . . . . . . . . . . 5
Обзор литературы . . . . . . . . . . . . . . . . . . . . . . 6
Глава 1. Подготовка данных и выбор модели предсказа-
ния удовлетворенности . . . . . . . . . . . . . . . . . . 10
1.1. Исходные данные . . . . . . . . . . . . . . . . . . . 10
1.2. Выбор подхода . . . . . . . . . . . . . . . . . . . . 14
Глава 2. Алгоритм прогнозирования . . . . . . . . . . . . 15
2.1. Программа для парсинга . . . . . . . . . . . . . . . 15
2.2. Построение модели регрессии . . . . . . . . . . . . 16
2.3. Предсказание удовлетворенности . . . . . . . . . . 20
2.4. Предсказание удобства поискового сервиса . . . . 27
Заключение . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Список литературы . . . . . . . . . . . . . . . . . . . . . 34
Приложение . . . . . . . . . . . . . . . . . . . . . . . . . 35
📖 Введение
Миллионы пользователей сети интернет ежедневно взаи-
модействуют с поисковыми системами. Они подают запросы,
следуют по ссылкам со страницы результата поиска, перефра-
зируют и переформулируют свои запросы, а так же выполняют
другие различные задания. Эти действия могут служить цен-
ным источником для улучшения поисковых систем.
В настоящее время сервисы онлайн карт становятся по-
пулярнее среди пользователей благодаря возможности настро-
ить масштаб и сменить локацию карты при поиске желаемого
географического объекта. Таким образом на экран поиска вы-
водится дополнительная информация. Однако, поисковые си-
стемы выдают результаты на основе текущего масштаба кар-
ты, в то время как желаемый объект может находиться за ее
пределами. Даже если масштаб карты идентичен у некоторых
пользователей, они могут искать различную информацию. В
связи с этим поднимается вопросы удовлетворенности поиском
и удобства пользования сервисом.
К сожалению, опыт показывает, что пользователи доволь-
но редко высказывают желание дать свой ответ на эти вопро-
сы. Однако, необходимую информацию можно извлечь из логов
пользователя в поисковых системах. Благодаря тому, что ос-
новные поисковые движки обрабатывают миллионы запросов
в день, необходимые данные доступны в изобилии.
В условиях того, что подбор необходимой прогнозирующей
функции вручную достаточно трудоемок, затратен и непракти-
чен, исследование в области машинного обучения находит свое
применение в этой области задач.
модействуют с поисковыми системами. Они подают запросы,
следуют по ссылкам со страницы результата поиска, перефра-
зируют и переформулируют свои запросы, а так же выполняют
другие различные задания. Эти действия могут служить цен-
ным источником для улучшения поисковых систем.
В настоящее время сервисы онлайн карт становятся по-
пулярнее среди пользователей благодаря возможности настро-
ить масштаб и сменить локацию карты при поиске желаемого
географического объекта. Таким образом на экран поиска вы-
водится дополнительная информация. Однако, поисковые си-
стемы выдают результаты на основе текущего масштаба кар-
ты, в то время как желаемый объект может находиться за ее
пределами. Даже если масштаб карты идентичен у некоторых
пользователей, они могут искать различную информацию. В
связи с этим поднимается вопросы удовлетворенности поиском
и удобства пользования сервисом.
К сожалению, опыт показывает, что пользователи доволь-
но редко высказывают желание дать свой ответ на эти вопро-
сы. Однако, необходимую информацию можно извлечь из логов
пользователя в поисковых системах. Благодаря тому, что ос-
новные поисковые движки обрабатывают миллионы запросов
в день, необходимые данные доступны в изобилии.
В условиях того, что подбор необходимой прогнозирующей
функции вручную достаточно трудоемок, затратен и непракти-
чен, исследование в области машинного обучения находит свое
применение в этой области задач.
✅ Заключение
В данной работе рассмотрены модели предсказания удовле-
творенности пользователя и успешности при поиске в онлайн-
картах при помощи логистической регрессии.Разработана про-
грамма парсинга логов пользователей на языке с++. Были
предложены различные факторы на основе логов пользовате-
лей и интерфейса карты, был произведен выбор значимых фак-
торов. Произведена оценка качества построенных моделей. Для
этих целей создана программа на языке R. В рамках предостав-
ленных данных модель с учетом фактора нажатия в область
строки запроса показала наилучший результат для предсказа-
ния удовлетворенности пользователя при поиске. Для задачи
предсказания удобства пользования сервисом поиска наилуч-
шей стала модель с учетом двух факторов: среднего количества
символов в запросе и количества запросов с последующим хотя
бы одним нажатием клавиши мыши.
творенности пользователя и успешности при поиске в онлайн-
картах при помощи логистической регрессии.Разработана про-
грамма парсинга логов пользователей на языке с++. Были
предложены различные факторы на основе логов пользовате-
лей и интерфейса карты, был произведен выбор значимых фак-
торов. Произведена оценка качества построенных моделей. Для
этих целей создана программа на языке R. В рамках предостав-
ленных данных модель с учетом фактора нажатия в область
строки запроса показала наилучший результат для предсказа-
ния удовлетворенности пользователя при поиске. Для задачи
предсказания удобства пользования сервисом поиска наилуч-
шей стала модель с учетом двух факторов: среднего количества
символов в запросе и количества запросов с последующим хотя
бы одним нажатием клавиши мыши.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.