CC BY
88
Секция «Информатика и вычислительная техника»
УДК 519.68
И. С. Уколов, В. Н. Игнатенко Научный руководитель - В. В. Тынченко Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
СИСТЕМА АКТИВНОЙ РЕКЛАМЫ ИНТЕРНЕТ-МАГАЗИНА НА ОСНОВЕ НЕЙРОННОЙ СЕТИ
Рассматривается использование нейронных сетей для создания персональных рекламных рекомендаций для посетителей интернет-магазинов.
В настоящее время интернет-магазины являются хорошо освоенным видом бизнеса и активно развиваются. Многие из них используют систему персональных рекомендаций для создания «индивидуального» отношения к посетителю и, тем самым, увеличения продаж.[1] Подобные сервисы предоставляют и ведущие поставщики поисковых услуг - например, системы контекстной рекламы AdSense от Google или ЯндексДирект от Яндекс. Системы такого типа основаны на сборе статистических данных об активности интернет-пользователей и дальнейшей привязке результатов анализа их посещений к аккаунту или IP-адресу пользователя.
Применение методов нейросетевого моделирования в таких системах откроет новые возможности в части повышения эффективности анализа данных. Нейросеть способна автоматически кластеризовать типы посетителей и динамически выделять новые их типы со временем. Это позволит при поступлении нового посетителя очень быстро провести анализ его поведения, отнести его к какому-либо типу и начать формировать для него персональные рекомендации на основе предпочтений людей его типа. Системе на основе сбора статистики понадобилось бы на это существенно больше времени, нейросеть же начнет выявлять типизацию по первым же шагам посетителя на сайте. При этом система на основе нейросети способна распознать пользователя (по крайней мере, его тип) вне зависимости от того, с какого аккаунта он зашел.
При расширении интернет-магазина, при появлении в нем новых услуг и товаров, не нужно будет корректировать нейросетевую систему или дополнять ее новыми типами пользователей, в отличие от статистических систем они будут выделены нейросетью самостоятельно.
Подобная нейросетевая система может быть интегрирована в существующую систему статистического анализа интернет-магазина, при этом обучение нейронной сети может быть основано на уже собранных статистических данных. Для реализации такой системы возможно использовать самоорганизующиеся сети Кохонена. Помимо того, что они способны обучиться без учителя и выделять новые категории пользователей, результаты работы подобных нейронных сетей могут быть легко визуализированы и ин-терпретированы[2], что даст хорошие рекомендации владельцам сайта о структуре и предпочтениях посетителей, поможет отслеживать результаты работы портала и принимать обоснованные решения о повышении эффективности его функционирования.
Таким образом, добавление нейросетевого модуля в существующую систему активной персонализации сайта, основанную на использовании методов статистического анализа, поможет существенно повысить ее эффективность. Подобный подход позволит в большей степени учитывать при организации рекламы интернет-магазина индивидуальные особенности каждого посетителя, что, в конечном итоге, повлечет за собой повышение уровня покупательского спроса.
Библиографические ссылки
1. Радмило М. Л. Управление продажами.. Манн, Иванов и Фербер, 2010.
2. Кохонен Т. Самоорганизующиеся карты. Серия: Адаптивные и интеллектуальные системы. М. : Бином. Лаборатория знаний, 2008.
© Уколов И. С., Игнатенко В. Н., Тынченко В. В., 2011
УДК 004.921
П. М. Фишов Научный руководитель - А. Н. Ловчиков Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
ТЕХНОЛОГИЯ СОЗДАНИЯ ИНТЕГРИРОВАННЫХ МЕДИА ОБЪЕКТОВ С ГЕОМЕТРИЧЕСКОЙ И СВЕТОВОЙ КОРРЕЛЯЦИЕЙ
Статья посвящена технологии создания образа трёхмерных объектов, на основе реально существующих, с их последующей интеграцией в виртуальное пространство.
В настоящее время различные медиа проекты в а так же их последующая интеграция в базовое меда большом количестве используют анимированные пространство является трудоёмким процессом. Ос-графические объекты. Создание подобных элементов, новными параметрами, определяющими затраты на
