Аннотация:

Статья посвящена созданию эффективного решения по сегментации пользователей. Представлены анализ существующих сервисов сегментации пользователей и подходов к их сегментации (ABCDx сегментация, демографическая сегментация, сегментация на основании карты пути пользователя), а также анализ алгоритмов кластеризации (K-means, Mini-Batch K-means, DBSCAN, Agglomerative Clustering, Spectral Clustering). Исследование названных подходов нацелено на создание решения по сегментации, «гибкого» и адаптирующегося под каждую пользовательскую выборку. Также применены дисперсионный анализ (тест ANOVA) и разбор метрик кластеризации для оценки качества сегментации пользователей. С помощью указанных методов разработано эффективное решение по сегментации пользователей с использованием технологии расширенной аналитики и машинного обучения.

Аннотация:

Проведено исследование двух графов научного сотрудничества, построенных на основе соавторства и цитирования по данным Общероссийского математического портала Math-Net.Ru. Граф научного сотрудничества на основе цитирования представляет собой ориентированный граф без петель и кратных ребер, вершинами которого являются авторы публикаций, а дуги связывают их, когда имеется хотя бы одна публикация первого автора, цитирующая публикацию второго автора. Граф соавторства – это неориентированный граф, в котором вершинами являются авторы, а ребра фиксируют соавторство двух авторов хотя бы в одной статье. Проводится традиционное исследование основных характеристик обоих графов: диаметр и среднее расстояние, компоненты связности и кластеризация. В обоих графах мы наблюдаем схожую структуру связности – наличие гигантской компоненты и большое количество маленьких компонент. Отмечается сходство и различие научного сотрудничества через соавторство и цитирование.

Аннотация: Обсуждены вопросы использования данных об обучающихся, представленных в электронном виде, в задачах генерации распределений обучающихся по академическим группам, элективам и проектным командам. Проиллюстрировано применение алгоритмов машинного обучения для этих задач. Показана возможность использования данных, собранных из социальных сетей.