Научная статья на тему 'Интеллектуальный анализ данных в Интернете для задачи персонализации в электронной коммерции'

Интеллектуальный анализ данных в Интернете для задачи персонализации в электронной коммерции Текст научной статьи по специальности «Компьютерные и информационные науки»

CC BY
362
87
i Надоели баннеры? Вы всегда можете отключить рекламу.
i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Интеллектуальный анализ данных в Интернете для задачи персонализации в электронной коммерции»

применить операции изгиба и деления к каждому из получившихся треугольников, то вскоре у нас получится нечто, невероятно похожее на реальную планету.

В действительности генерация фрактальных планет не сводится к примитивному алгоритму разделения и изгиба входящих в нее треугольников, необходимо учитывать и то, что линия должна изгибаться лишь один раз (откуда возникает проблема общих сторон), а также согласование высоты множества общих точек соседних треугольников (дня обеспечения непрерывной поверхности планеты).

Если затрагивать алгоритмы удаления невидимых поверхностей, то здесь необходимо учитывать тот факт, что сцена может быть открытой, ( наблюдатель находится в космическом пространстве) и комбинированной (наблюдатель находится на поверхности одной из планет).

, -горитм z-буфера, либо метод трассировки лучей (также возможен случай их совместного использования). Касаясь же комбинированных сцен, в которых присутству-, , -вать иерархическое построение сцены на основе BSP и PVS.

В заключении хотелось бы отметить, что представленная программа по астрономии включает в себя замоделированные галактики, созвездия, с возможностью рассмотрения каждой компоненты того или иного образования. Планеты изображаются со всеми реальными спутниками, причем существует возможность посещения поверхности каждой из представленных планет и ее спутников. В программе широко используются как фоновые, так и направленные источники света, поддержка больших текстур и туман, для удаленных объектов. Программный продукт написан на Visual C++, с поддержкой Direct3D и OpenGL.

УДК 519.14

А.А. Целых

ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ В ИНТЕРНЕТЕ ДЛЯ ЗАДАЧИ ПЕРСОНАЛИЗАЦИИ В ЭЛЕКТРОННОЙ КОММЕРЦИИ

Электронная коммерция имеет все предпосылки стать основной торговой технологией нового века. Теория и практика маркетинга претерпевают фундаментальные изменения под воздействием целого спектра взаимосвязанных сил, трансформирующих бизнес-среду в целом. К ним относятся: развитие информационных и GNR-технологий, глобализация, реинжиниринг бизнес-процессов, изменения в структуре потребительского спроса, общая сложность и неопределенность. При такой скорости перемен компании, стремящиеся к процветанию, больше не могут опираться на прежние методы работы с рынком.

Отчетливо прослеживается эволюция маркетинга от массового к целевому маркетингу сегментов и микромаркетингу. В своей крайней форме микромаркетинг проявляется как индивидуальный маркетинг - приспособление товарного ассортимента и маркетинговых программ к нуждам и предпочтениям отдельных потребителей в соответствие с их личными потребностями. Такой маркетинг также называют маркетингом рынков одного потребителя, маркетингом на заказ, маркетингом один-на-один.

, , , -родействующие и работающие в интерактивном режиме средства коммуникации

Известия ТРТУ

Тематический выпуск

делают возможным в массовых масштабах создавать товары и услуги, разработанные на индивидуальной основе таким образом, чтобы удовлетворить требования каждого конкретного потребителя. Массовый индивидуальный маркетинг, отслеживание поведения и предпочтений потребителей, а также взаимодействие с ними в реальном времени с помощью технологий персонализации, становится одним из ключевых элементов работы с пользователями через Интернет.

Можно выделить четыре типа систем персонализации, нашедших применение в электронной коммерции: персонализация на основе настроек пользователей; фильтрация по содержанию; совместная фильтрация; персонализация на базе пра-.

Персонализация на основе настроек пользователей предполагает конфигурирование содержимого страницы вручную обычно при помощи списков множест-. , -формации ему интересна, может задать последовательность вывода элементов на , . приветствует пользователя по имени и организует содержимое страницы в соответствие с персональными настройками.

При фильтрации по содержанию пользователь получает рекомендации на основе сравнения его интересов и содержимого документов. Каждый документ характеризуется при этом множеством ключевых слов - термов, семантика которых позволяет описать его основное содержание. Аналогичным образом представляются профили пользователей, заключающие в себе термы документов, к которым пользователи проявили интерес. Как правило, используются такие классические модели информационной фильтрации, как векторная модель и латентносемантический анализ

Наибольшее распространение в онлайновой персонализации получили системы совместной фильтрации, базирующиеся на соотнесении каждого пользователя с пользовательской группой с аналогичными вкусами с целью выдачи рекомендаций по сложным для быстрого оценивания объектам. Используются методы классического интеллектуального анализа данных (data mining), в частности, алгоритмы ближайшего соседа и k-ближайшего соседа, алгоритмы машинного обучения, а также такие новые методы искусственного интеллекта, как теоретико-графовый , .

Персонализация на базе правил также включает в себя этап регистрации пользователей, сбора сведений демографического характера, суждений об интересах и предпочтениях, но с последующим применением к ним условных правил

- . , стимулирующие продажи дополнительных продуктов из другой товарной категории (cross-selling) и более дорогостоящих продуктов и услуг (up-selling). Правила устанавливает продавец в соответствие с текущей маркетинговой программой компании. Коммерческие системы онлайновой персонализации (Broadvision, Vignette .) - : -

рументы визуализации и оперативного анализа данных (OLAP), инструменты интеллектуального анализа данных.

Последнее время наблюдается научный и практический интерес к интеллектуальному анализу данных в Интернете (web mining) для обнаружения неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний. В аспекте персонализации представляет интерес интеллектуальный анализ данных, накопленных в результате взаимодействия пользователей с интернет-ресурсами (web usage mining).

В [1] разработан альтернативный подход к решению задачи персонализации в электронной коммерции на основе аппарата теории нечетких множеств и нечеткой логики [2]. Исходными данными являются записи в протоколах веб-сервера.

Метод кластеризации транзакций, последовательностей обращений, приводящих к законченному действию (покупке товара, подписке на список рассылки продавца, обращению к менеджеру и др.), основан на разбиении множества тран-, - , группы элементов по степени близости на основе их совместного вызова.

Метод кластеризации обращений заключается в формировании кластеров веб-адресов на основе анализа частоты вызова пользователями определенного на-

- .

В качестве алгоритма кластеризации обращений используется ассоциативное правило разбиения гиперграфа на кластеры [3].

Метод кластеризации обращений предполагает решение следующих задач:

♦ Анализ рын очной корзины: поиск ассоциативных правил.

.

♦ Разрезание гиперграфа для в ыявления кластеров обращений.

На практике разрабатываемые методы персонализации позволяют предлагать пользователю и корректировать по ходу его работы с интернет-ресурсом наиболее реальные схемы дальнейшего поведения, ведущие к удовлетворению его индиви-.

ЛИТЕРАТУРА

1. Цеп ых А А. Методы персонализации процессов взаимодействия сторон в электронной коммерции на основе кластеризации. //Известия ТРТУ. Тематический выпуск: Интеллектуальные САПР. Материалы Международной научно-технической конференции и молодежной научной конференции “Интеллектуальные САПР”. Таганрог: ТРТУ, 2000, №2(16). С. 73-75.

2. . ., . ., . . -

четкой логикой. Москва: Наука, 1990.

3. Han, E-H, Karypis, G., Kumar, V., and Mobasher, B. Clustering based on association rule hypergraphs. //Proceedings of SIGMOD’97 Workshop on Research Issues in Data Mining and Knowledge Discovery (DMKD’97), May 1997.

УДК 681.3

B.B. Возыка

ПОСТРОЕНИЕ ДЕРЕВА ШТЕЙНЕРА ГЕНЕТИЧЕСКИМ АЛГОРИТМОМ

Прямолинейное дерево Штейнера (ПДШ) находит свое применение в разработке сетей, механических систем в строительстве. Предлагается модифицированный генетический алгоритм. Алгоритм использует кодирование деревьев,

альтернативные положения. Алгоритм реализует новый оператор кроссинговера. Кодирование хромосомы. На n точках существует 2n-1nn-2 прямолинейных

. : n-1 , -

n-2 , n .

кодировки ДЛЯ некоторого порядка вершин Vi, v2 ... vn.

i Надоели баннеры? Вы всегда можете отключить рекламу.