Русский
!

Conference publications

Abstracts

XXV conference

Methods of analisys topical databases for Internet-trading

Knyazeva L.A., Karpikov A.N., Chistousov M.A.

Vyatka State University, the Russian Federation, 610000, Kirov, Moscovskaya str., 36, liliknyaz@mail.ru

1 pp. (accepted)

Работа любого предприятия в настоящее время сопровождается регистрацией и записью всех подробностей его деятельности. Мощные компьютерные системы, хранящие и управляющие огромными базами данных, стали неотъемлемым атрибутом жизнедеятельности как крупных корпораций, так и небольших компаний. Развитием современного рынка и Интернета в России и во всем мире позволяет использовать сеть Интернет как эффективную бизнес-среду. Интернет-магазин позволяет пользователям онлайн, в своем браузере или через мобильное приложение сформировать заказ на покупку, выбрать способ оплаты и доставки заказа, оплатить заказ. Когда пользователь совершает различные действия на сайте, информация о них накапливается в базах данных. Кроме того, стоит заметить, что объемы данных настолько внушительны, что аналитику просто не по силам проанализировать их самостоятельно. В «сырых» данных содержаться знания, которые могут быть использованы при принятии решений. Для этого используется техника Data Mining.

Data Mining – это процесс обнаружения в «сырых» данных ранее неизвестных, нетривиальных, полезных и доступных интерпретации знаний, необходимых для принятия решения в различных сферах человеческой деятельности [1]. В исследовании используются методы и алгоритмы одного из важных разделов Data Mining – это Рекомендательные системы (РС) [2]. Основным применением РС является предложение клиенту в реальном времени товаров/услуг, которые возможно его заинтересуют. Рекомендации предоставляются пользователям автоматически, на основании уже совершенных действий и получением от них обратной связи. Объектом исследования является интернет-магазин, поддерживающийся в режиме эффективного функционирования. Цель исследования – спрогнозировать поведение пользователя интернет – магазина и, основываясь на возможном поведении, разработать рекомендации максимально подталкивающие пользователя к совершению действию, в данном случае к совершению покупки. В работе рассмотрены основные способы формирования рекомендаций. Во-первых, на основании содержания, когда рекомендации формируются для товаров, сходных с ранее приобретенными пользователем товарами или товарами, заказанными похожими пользователями. Во-вторых, на основании совместной фильтрации (collaborative filtering), когда рекомендации формируются на основании пользовательского поведения. Товары считаются схожими, если часто приобретаются вместе, а клиенты схожи, если совершают одинаковые покупки.

Литература

1. Дьяконов А.Г. Анализ данных, обучение по прецедентам, логические игры, системы WEKA, RapidMiner и MatLab (Практикум на ЭВМ кафедры математических методов прогнозирования): Учебное пособие. – М.: Издательский отдел факультета ВМК МГУ имени М.В. Ломоносова, 2010.

2. Дьяконов А.Г. Алгоритмы для рекомендательных систем: технология LENKOR // Бизнес-Информатика , 2012, № 1, (19), с. 32-39



© 2004 Designed by Lyceum of Informational Technologies №1533