Maskininlärningsmetoder för Lookalikemodellering Identifikation av prenumerantlika beteenden hos läsare av onlinetidningar

Publicerad

Typ

Examensarbete för kandidatexamen
Bachelor Thesis

Modellbyggare

Tidskriftstitel

ISSN

Volymtitel

Utgivare

Sammanfattning

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.

Beskrivning

Ämne/nyckelord

Matematik, Grundläggande vetenskaper, Mathematics, Basic Sciences

Citation

Arkitekt (konstruktör)

Geografisk plats

Byggnad (typ)

Byggår

Modelltyp

Skala

Teknik / material

Index

item.page.endorsement

item.page.review

item.page.supplemented

item.page.referenced