Дослідження та реалізація систем прогнозування споживчої поведінки на базі технологій штучного інтелекту

Abstract

Об’єктом дослідження є поведінка споживачів в онлайн магазині, зокрема те, як можна використовувати алгоритми машинного навчання для прогнозування цієї поведінки. Предметом дослідження є використання різних алгоритмів машинного навчання, включаючи фільтрацію на основі вмісту з використанням дерев рішень і колаборативну фільтрацію з використанням cингулярного розкладу матриць, а також гібридного алгоритму цих методів для побудови гібридної системи рекомендацій. Метою роботи є розробка, впровадження та оцінка складної системи рекомендацій, яка використовує машинне навчання для покращення взаємодії з користувачем, тим самим позитивно впливаючи на стратегію цифрового маркетингу онлайн магазину. Методи розробки включають вилучення й попередню обробку функцій даних, а також використання моделей машинного навчання для прогнозування. Косинусна відстань і моделі cингулярного розкладу матриць реалізовані за допомогою бібліотеки scikit-learn Python, а вся система рекомендацій інтегрована у веб-застосунок за допомогою фреймворку Flask. Наукова новизна дослідження полягає в гібридному підході, який поєднує в собі сильні сторони методів фільтрації на основі вмісту і колаборативної фільтрації. Ця інтегрована модель має на меті надати більш точний і персоналізований набір рекомендацій порівняно з традиційними однометодними системами.