![]() ![]() |
Архив публикацийТезисыXXV-ая конференцияАлгоритм машинного обучения по прецедентам в системе подбора ключевых показателей эффективностиУниверситет «Дубна», Объединённый институт ядерных исследований, В последнее время всё больше приложений включают в себя алгоритмы машинного обучения, поскольку они позволяют добиваться решения многих проблем быстрее и более эффективно, чем при использовании традиционных методов [1]. Подтверждением этого является электронная почта. Первые фильтры спама основывались на технике сопоставления с образцами, например, с регулярными выражениями, причем сами образцы кодировались вручную [2]. Данные спам-фильтры не выдержали конкуренции с более «умными» алгоритмами машинного обучения, изучающими письма по набору критериев. На данным момент машинное обучение продолжает свою экспансию. Разговоры с речевым ассистентом по смартфону, предоставление рекомендаций относительно подходящего продукта для клиентов, предотвращение актов мошенничества с кредитными картами, фильтрация спама из входящих сообщений и диагностирование внутренних заболеваний [3] – вот только небольшой список того, где оно уже применяется. Наибольшее распространение машинного обучения произошло с внедрением технологий нахождения товара покупателем. Так возникли различные рекомендательные системы в интернет магазинах, которые основывались на предыдущей истории покупок (прецедентах). Но интерес к рекомендательным системам не ограничивается только сферой торговли и услуг, поэтому было принято решение внедрить её в прототип корпоративной системы подбора ключевых показателей эффективности (КПЭ). В работе предложен гибридный алгоритм, состоящий из сбора экспертных данных, обучения на них и выдачи определенного набора показателей. Все новые наборы КПЭ так же будут сохранены и послужат для дальнейшего обучения системы и улучшения качества ее рекомендаций. Проект будет включать административную панель, которая позволит переключаться между методами для получения наилучшего результата. |