Maskininlärningsmetoder för Lookalikemodellering Identifikation av prenumerantlika beteenden hos läsare av onlinetidningar

Examensarbete för kandidatexamen

Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.12380/227018
Download file(s):
There are no files associated with this item.
Type: Examensarbete för kandidatexamen
Bachelor Thesis
Title: Maskininlärningsmetoder för Lookalikemodellering Identifikation av prenumerantlika beteenden hos läsare av onlinetidningar
Authors: Abrahamsson, Oskar
Alexander, Kuzmin
Abstract: 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.
Keywords: Matematik;Grundläggande vetenskaper;Mathematics;Basic Sciences
Issue Date: 2015
Publisher: Chalmers tekniska högskola / Institutionen för matematiska vetenskaper
Chalmers University of Technology / Department of Mathematical Sciences
URI: https://hdl.handle.net/20.500.12380/227018
Collection:Examensarbeten för kandidatexamen // Bachelor Theses



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.