Напівкероване моделювання впливу з використанням мета-учнів для електронної комерції

Скорочена інформація про документ
dc.contributor.advisorШаповал, Наталія Віталіївна
dc.contributor.authorЗаіка, Богдан Юрійович
dc.date.accessioned2025-02-13T13:25:56Z
dc.date.available2025-02-13T13:25:56Z
dc.date.issued2024
dc.description.abstractМагістерська дисертація: 98 с., 36 рис., 22 табл., 30 посилань, додаток. Актуальність цієї роботи зумовлено необхідністю підприємств будувати моделі впливу, використовуючи малу частку користувачів для експерименту, щоб мінімізувати витрати та непередбачуваний вплив на клієнтську базу. Об’єктом дослідження є дані про користувачів, яким підприємство надсилало реклами. Предметом дослідження є моделі впливу, поєднані з методом напівкерованого навчання для покращення їх здатності визначати найкращих клієнтів для взаємодії залежно від поставленої цілі. Метою роботи є створення трьох напівкерованих методів моделювання впливу, порівняння їх роботи з керованими версіями методів та реалізація програмного продукту на мові програмування Python. Наукова новизна роботи полягає в об’єднанні напівкерованого методу RESSEL з мета-учнями впливу для покращення результатів роботи цих моделей. В результаті запропоновано три нових методи напівкерованого навчання мета-учнів впливу: RESSES-Learner, RESSEZ-Learner та RESSET- Learner. Результати роботи апробовано на конференції.
dc.description.abstractotherMaster's thesis: 98 p., 36 figures, 22 tables, 30 references, appendix. The relevance of this work is driven by the need for enterprises to build uplift models using a small proportion of users for the experiment to minimize costs and unpredictable impact on the customer base. The object of the study is data about users, who received advertisements from the company. The subject of the study is uplift models combined with a semi-supervised learning method to improve their ability to identify the best customers to interact with depending on the goal. The aim of the study is to create three semi-supervised methods of uplift modeling, compare their performance with supervised versions of the methods and implement a software product in the Python programming language. The scientific novelty of the work is the combination of the semi-supervised RESSEL method with uplift meta-learners to improve the performance of these models. As a result, three new methods for semi-supervised training of uplift meta- learners are proposed: RESSES-Learner, RESSEZ-Learner, and RESSET-Learner. The results were presented at the conference.
dc.format.extent98 с.
dc.identifier.citationЗаіка, Б. Ю. Напівкероване моделювання впливу з використанням мета-учнів для електронної комерції : магістерська дис. : 122 Комп'ютерні науки / Заіка Богдан Юрійович. - Київ, 2024. - 98 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72500
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectелектронна комерція
dc.subjectрекламні кампанії
dc.subjectмоделювання впливу
dc.subjectмета-учні
dc.subjectнапівкероване навчання
dc.subjecte-commerce
dc.subjectadvertising campaigns
dc.subjectuplift modeling
dc.subjectmeta-learners
dc.subjectsemi-supervised learning
dc.subject.udc[004.94+004.855]:[004.738.5:339](043.3)
dc.titleНапівкероване моделювання впливу з використанням мета-учнів для електронної комерції
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Zaika_magistr.pdf
Розмір:
2.57 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ШІ)
Магістерські роботи