العودة إلى البحث

تعزيز نماذج التعلم العميق للتنبؤ بالمشاركة في الحملة

العنوان	تعزيز نماذج التعلم العميق للتنبؤ بالمشاركة في الحملة
المؤلف	أيفاز، ديميت
تاريخ النشر:	2019-07-31
الموضوع	التعلم العميق، التصنيف، استخراج الميزات
النوع	وثيقة
اللغة	الإنجليزية
رقمي	نعم
مخطوط	لا
المكتبة:	جامعة اوزيجين
رقم السجل	2277ed17-8f09-489b-a479-0063d1177a17
موقع المكتبة	قسم علوم الحاسوب
التاريخ	2019-07-31
نص عينة	تتعامل الشركات مع عملائها من أجل إقامة علاقة طويلة الأمد. يعد استهداف الجمهور المناسب بالمنتج المناسب أمرًا بالغ الأهمية لتقديم خدمات أفضل للعملاء، وزيادة ولائهم للشركة، والحصول على أرباح عالية. ولذلك، تقوم الشركات باستثمارات ضخمة لبناء أنظمة إدارة الحملات، والتي تعتمد في الغالب على القواعد وتعتمد بشكل كبير على رؤية الأعمال والخبرة البشرية. في العقد الماضي، عادة ما تستخدم أنظمة التوصية تقنيات النمذجة مثل التعلم العميق لفهم اهتمامات العملاء والتنبؤ بها. تعتبر الشبكات العصبية العميقة الكلاسيكية جيدة في تعلم العلاقات الخفية داخل البيانات (التعميم)؛ ومع ذلك، لديهم قدرة محدودة على الحفظ. نموذج الشبكة الواسعة والعميقة، والذي تم اقتراحه في الأصل لتطبيق Google Play. توصية، تتعامل مع هذه المشكلة من خلال الجمع بين نماذج الشبكة الواسعة والعميقة في شبكة مشتركة. ومع ذلك، يتطلب هذا النموذج معرفة متخصصة في المجال وميزات مصنوعة يدويًا للاستفادة من الحفظ. في هذه الأطروحة، ندعو إلى استخدام نماذج الشبكة الواسعة والعميقة للتنبؤ بالمشاركة في الحملة، وخاصة في مجال الاتصالات. للتعامل مع المشكلة المذكورة أعلاه مع هذا النموذج، تقدم هذه الأطروحة فكرة استخدام أشجار القرار للإنشاء التلقائي للميزات التوافقية (تحويلات المنتجات المتقاطعة للميزات الموجودة) بدلاً من طلبها من الخبراء البشريين. تم إجراء مجموعة من التجارب الشاملة على بيانات المشاركة في الحملة من أحد مزودي خدمة GSM الرائدين. أظهرت النتائج أن الميزات التي تم إنشاؤها تلقائيًا تحقق زيادة كبيرة في الدقة وتتفوق على النماذج العميقة والواسعة والعميقة مع الميزات المصممة يدويًا. علاوة على ذلك، نظرًا لأنه يُسمح لعدد محدود من الوصول إلى العملاء، فإن تقديم عروض مستهدفة جيدًا والتي من المحتمل أن تكون مقبولة من قبل العملاء يلعب دورًا حاسمًا. لذلك، يتطلب التنبؤ الفعال بالمشاركة في الحملة تجنب التنبؤات الإيجابية الخاطئة. وبناءً على ذلك، قمنا بتوسيع بحثنا نحو عدم اليقين في التصنيف لبناء نماذج شبكية يمكنها التنبؤ بما إذا كانت ستفشل أم لا. وبالتالي، فإننا نعتمد نماذج التعلم العميق الواضحة لالتقاط حالة عدم اليقين في التنبؤ. أظهر تقييمنا التجريبي فيما يتعلق بعدم اليقين في التنبؤ أن النهج المقترح أكثر ثقة في التنبؤات الصحيحة في حين أنه غير مؤكد أكثر في التنبؤات غير الدقيقة. Do gru kitleyi do gru urunle hede emek, mu sterilere daha iyi hizmet sunarak Sirkete olan ba gl l klar n art rma ve dolay s yla Sirket gelirlerini art rma noktas nda critik onem ta s r. Bu nedenle Sirketler, co gunlukla kural bazl cal san ve insan uzmanl g na dayal kampanya yonetim sistemleri olu sturmak i cin buyuk yat r mlar yapmaktad r. Son on y lda oneri systems genellikle mu sterilerin beklentilerini anlamak ve tahminlemek amac yla derin o grenme gibi modelleme tekniklerini de kullanmaktad r. Classic derin sinir a glar veri i cindeki gizli ili skilleri o grenmede olduk ca ba sar l d r (genelleme) ancak hat rlama noktas nda daha s n rl Yetkinlikleri vard r. Aslen Google Play يمكنك استخدام نماذج واسعة وعميقة من خلال نماذج واسعة وعميقة من خلال نماذج g tek bir ونماذج من الألوان المتعرجة التي ستثيرك بسبب الشمس. Bununla birlikte، bu model، uzman bilgisine ve uzmanlar taraf ndan Birden fazla verinin bir araya getirilmesi ile haz rlanm s girdilere ihtiya c duyar. ومع ذلك، فإن الاتصالات السلكية واللاسلكية الأخرى لا تزال قائمة، وهي حملة من نوع l m tahmini i cin Wide & Deep a g modellerini kullanmay oneriyoruz. Tez kapsam nda، Modellerde uzman bilgisine duyulan ihtiyac ortadan kald rmak amac yla، ba g ms z de gi skenler aras ndaki capraz ili skeleri automatik olu sturmak and cin karar a gaclar n kullanan bi yontem geli stirilmi s ve GSM mu sterilerinin Campanya kat l m n i ceren ger cek veri setleri uzerinde kapsaml bir de gerlendirme yap lm st r. Yap lan kar s la st rma sonucunda onerilen ile Wide & Deep model فناني الأداء n n onemli oranda art r labildi gi ve Deep, Wide & Deep modellerden daha iyi sonu clar elde edildi gi gozlemlenmi إثارة. Ayr ca, kampanya sistemlerinde Sadece s n rl say da mu steri eri sime izin verildi ginden, kabul edilme ihtimali en yuksek olan tekli erin mu steriye sunulmas critik onem ta s maktad r. Dolay s yla, kampanya kat l m n n ba sar yla tahminlenebilmesi hatal tahminlerden ka c nmay da gerektirmektedir. Bu nedenle ba sar s z olup olmayacaklar n tahmin edebilecek a gmodelleri olu sturmak amac yla ara st rmam z s n and rma belirsizli gi konusunda geni sleterek can be dayal derin o grenmemodellerini cal smam za dahil ettik. Sonu clar, onerilen modelin do gru s n and r lm s o geler uzerinde en du suk belirsizlik de gerine sahip oldu gunu, yanl s s n and rd g o geler uzerinde ise daha yuksek belirsiklikle karar vermi s oldu gunu gostermektedir.

عرض في المصدر جامعة اوزيجين جامعة اوزيجين - محرك بحث الآثار التاريخية والأرشيفات والدوريات

جامعة اوزيجين

تعزيز نماذج التعلم العميق للتنبؤ بالمشاركة في الحملة

المؤلف أيفاز، ديميت

تاريخ النشر 2019-07-31

الموضوع التعلم العميق، التصنيف، استخراج الميزات

النوع وثيقة

اللغة الإنجليزية

رقمي نعم

مخطوط لا

المكتبة جامعة اوزيجين

رقم السجل 2277ed17-8f09-489b-a479-0063d1177a17

موقع المكتبة قسم علوم الحاسوب

التاريخ 2019-07-31

نص عينة تتعامل الشركات مع عملائها من أجل إقامة علاقة طويلة الأمد. يعد استهداف الجمهور المناسب بالمنتج المناسب أمرًا بالغ الأهمية لتقديم خدمات أفضل للعملاء، وزيادة ولائهم للشركة، والحصول على أرباح عالية. ولذلك، تقوم الشركات باستثمارات ضخمة لبناء أنظمة إدارة الحملات، والتي تعتمد في الغالب على القواعد وتعتمد بشكل كبير على رؤية الأعمال والخبرة البشرية. في العقد الماضي، عادة ما تستخدم أنظمة التوصية تقنيات النمذجة مثل التعلم العميق لفهم اهتمامات العملاء والتنبؤ بها. تعتبر الشبكات العصبية العميقة الكلاسيكية جيدة في تعلم العلاقات الخفية داخل البيانات (التعميم)؛ ومع ذلك، لديهم قدرة محدودة على الحفظ. نموذج الشبكة الواسعة والعميقة، والذي تم اقتراحه في الأصل لتطبيق Google Play. توصية، تتعامل مع هذه المشكلة من خلال الجمع بين نماذج الشبكة الواسعة والعميقة في شبكة مشتركة. ومع ذلك، يتطلب هذا النموذج معرفة متخصصة في المجال وميزات مصنوعة يدويًا للاستفادة من الحفظ. في هذه الأطروحة، ندعو إلى استخدام نماذج الشبكة الواسعة والعميقة للتنبؤ بالمشاركة في الحملة، وخاصة في مجال الاتصالات. للتعامل مع المشكلة المذكورة أعلاه مع هذا النموذج، تقدم هذه الأطروحة فكرة استخدام أشجار القرار للإنشاء التلقائي للميزات التوافقية (تحويلات المنتجات المتقاطعة للميزات الموجودة) بدلاً من طلبها من الخبراء البشريين. تم إجراء مجموعة من التجارب الشاملة على بيانات المشاركة في الحملة من أحد مزودي خدمة GSM الرائدين. أظهرت النتائج أن الميزات التي تم إنشاؤها تلقائيًا تحقق زيادة كبيرة في الدقة وتتفوق على النماذج العميقة والواسعة والعميقة مع الميزات المصممة يدويًا. علاوة على ذلك، نظرًا لأنه يُسمح لعدد محدود من الوصول إلى العملاء، فإن تقديم عروض مستهدفة جيدًا والتي من المحتمل أن تكون مقبولة من قبل العملاء يلعب دورًا حاسمًا. لذلك، يتطلب التنبؤ الفعال بالمشاركة في الحملة تجنب التنبؤات الإيجابية الخاطئة. وبناءً على ذلك، قمنا بتوسيع بحثنا نحو عدم اليقين في التصنيف لبناء نماذج شبكية يمكنها التنبؤ بما إذا كانت ستفشل أم لا. وبالتالي، فإننا نعتمد نماذج التعلم العميق الواضحة لالتقاط حالة عدم اليقين في التنبؤ. أظهر تقييمنا التجريبي فيما يتعلق بعدم اليقين في التنبؤ أن النهج المقترح أكثر ثقة في التنبؤات الصحيحة في حين أنه غير مؤكد أكثر في التنبؤات غير الدقيقة. Do gru kitleyi do gru urunle hede emek, mu sterilere daha iyi hizmet sunarak Sirkete olan ba gl l klar n art rma ve dolay s yla Sirket gelirlerini art rma noktas nda critik onem ta s r. Bu nedenle Sirketler, co gunlukla kural bazl cal san ve insan uzmanl g na dayal kampanya yonetim sistemleri olu sturmak i cin buyuk yat r mlar yapmaktad r. Son on y lda oneri systems genellikle mu sterilerin beklentilerini anlamak ve tahminlemek amac yla derin o grenme gibi modelleme tekniklerini de kullanmaktad r. Classic derin sinir a glar veri i cindeki gizli ili skilleri o grenmede olduk ca ba sar l d r (genelleme) ancak hat rlama noktas nda daha s n rl Yetkinlikleri vard r. Aslen Google Play يمكنك استخدام نماذج واسعة وعميقة من خلال نماذج واسعة وعميقة من خلال نماذج g tek bir ونماذج من الألوان المتعرجة التي ستثيرك بسبب الشمس. Bununla birlikte، bu model، uzman bilgisine ve uzmanlar taraf ndan Birden fazla verinin bir araya getirilmesi ile haz rlanm s girdilere ihtiya c duyar. ومع ذلك، فإن الاتصالات السلكية واللاسلكية الأخرى لا تزال قائمة، وهي حملة من نوع l m tahmini i cin Wide & Deep a g modellerini kullanmay oneriyoruz. Tez kapsam nda، Modellerde uzman bilgisine duyulan ihtiyac ortadan kald rmak amac yla، ba g ms z de gi skenler aras ndaki capraz ili skeleri automatik olu sturmak and cin karar a gaclar n kullanan bi yontem geli stirilmi s ve GSM mu sterilerinin Campanya kat l m n i ceren ger cek veri setleri uzerinde kapsaml bir de gerlendirme yap lm st r. Yap lan kar s la st rma sonucunda onerilen ile Wide & Deep model فناني الأداء n n onemli oranda art r labildi gi ve Deep, Wide & Deep modellerden daha iyi sonu clar elde edildi gi gozlemlenmi إثارة. Ayr ca, kampanya sistemlerinde Sadece s n rl say da mu steri eri sime izin verildi ginden, kabul edilme ihtimali en yuksek olan tekli erin mu steriye sunulmas critik onem ta s maktad r. Dolay s yla, kampanya kat l m n n ba sar yla tahminlenebilmesi hatal tahminlerden ka c nmay da gerektirmektedir. Bu nedenle ba sar s z olup olmayacaklar n tahmin edebilecek a gmodelleri olu sturmak amac yla ara st rmam z s n and rma belirsizli gi konusunda geni sleterek can be dayal derin o grenmemodellerini cal smam za dahil ettik. Sonu clar, onerilen modelin do gru s n and r lm s o geler uzerinde en du suk belirsizlik de gerine sahip oldu gunu, yanl s s n and rd g o geler uzerinde ise daha yuksek belirsiklikle karar vermi s oldu gunu gostermektedir.