Введение 3
Постановка задачи 5
Актуальность 6
Глава 1. Алгоритмы профилирования пользователей 7
1.1 Метод Хортинга 12
1.2 Кластеризация методами. Байесовские и небайесианские методы 12
1.3 SVM 13
Глава 2. Структура исходных данных 14
2.1 Языковая поддержка 15
2.2 Сравнение структур данных в функциональном и императивном
программировании 16
2.3 Исходные данные приложения Sazan SRR 17
Глава 3. Построение графа интересов 18
3.1 Изображение графов на плоскости 18
3.2 Граф интересов 20
3.3 Социальный граф 23
3.4 Взаимосвязь графа интересов с социальным графом 26
Заключение 32
Используемые источники литературы 33
Приложение
Профили клиентов представляют собой "типы клиентов", которые генерируются для представления типичных пользователей продукта или услуги.
Профили клиентов создаются из понимания типичной аудитории генерируется из исследования клиента, и внимания на различные цели и ситуации, из-за которых клиенты могут взаимодействовать с конкретными веб-сайтами, каталогами и т.д.
Профилирование клиентов следует предпринять, чтобы предоставить информацию и информировать проектную команду о конечных пользователях и / или клиентов, чтобы проектные решения должны были быть сделаны с точки зрения обычного пользователя, или помочь проектной группе в принятии клиентов в центре проектных решений, результатом которого будет продукт или услуга, который лучше отвечает потребностям и ожиданиям клиента, и, следовательно, больше шансов на успех.
Инструмент для определения демографического профиля это использование демографических разделов. Демографические разделы ссылаются на множество продвинутых сегментаций групп пользователей. Структура сегментации определяется через анализ больших массивов данных, где выводы являются специфическими для базового набора инициатив. Получение данных в этом случае происходит на основании активов, использования и определения различных основных ключевых показателей эффективности. Быстрое составление пользовательских демографических данных по цифровым каналам (в частности, социальные медиа) позволило дальнейшее совершенствование прогностического моделирования, предоставляя бизнес-аналитику на растущих рынках, таких как цифровой рекламы и конверсии.
Применение алгоритмов позволяет быстро решать однотипные задачи, сократить время на поиск решения, автоматизировать процесс его нахождения, а также распространять найденное решение в стандартизованной — а значит, понятной всем форме.
Для создания поиска по интересам необходимо создать граф интересов, который является полезным и ценным аспектом, потому что интересы людей являются важной частью их личности, и могут быть использованы в качестве указателей того, что бы они могли посмотреть, сделать, обсудить и другие возможности, о которых они могут не знать.
В результате дипломной работы был создан прототип поиска фильмов по интересам, который показывает возможные варианты фильмов отталкиваясь от предложенных интересов пользователя, что позволяет более точно находить подходящий видеоматериал.
В процессе выполнения дипломной работы были решены следующие задачи:
1) рассмотрены алгоритмы:
• алгоритмы профилирования пользователей:
a) подход основанный на соседстве;
b) подход основанный на модели;
c) гибридный подход;
• алгоритмы демографического профилирования:
a) байесовский метод;
b) SVM.
2) подробно изучена структура исходных данных и граф интересов.
В дальнейшем планируется ввести дополнительную функцию, которая будет помогать в поиске фильмов, распознавая эмоциональное состояние человека.
