In English

Maskininlärningsmetoder för Lookalikemodellering Identifikation av prenumerantlika beteenden hos läsare av onlinetidningar

Oskar Abrahamsson ; Kuzmin Alexander
Göteborg : Chalmers tekniska högskola, 2015. 35 s.
[Examensarbete för kandidatexamen]

Vi har undersökt möjligheten att tillämpa modeller från maskininlärning på besöksdata från onlinetidningar för att identifiera läsare med liknande beteenden. För att kunna erhålla ett konkret resultat har vi begränsat oss till att undersöka modeller där vi försöker förutspå om en användare är prenumerant eller inte, utifrån dennes läsvanor på nyhetssajter. Vi har använt en modell som bygger på ett rekommendationssystem, och en annan modell som bygger på klassifikationsalgoritmen Random Forest. I uppsatsen beskrivs hur algoritmer och data behandlas för att kunna göra förutsägelser. Modellerna har tränats mot insamlad data och lyckas nå 97 % träffsäkerhet i förutsägelser.



Publikationen registrerades 2015-12-03.

CPL ID: 227018

Detta är en tjänst från Chalmers bibliotek