المعارف أو المواعدة أبدية ، وستظل دائمًا بأشكال مختلفة: في الشارع أو على الإنترنت أو في المواقع أو داخل تطبيقات الهاتف المحمول. سيكون لدى الناس دائمًا الرغبة في مقابلة شخص ما وسيختار الجميع الطريقة الأكثر ملاءمة لأنفسهم. يستمر البعض في التعرف على الحانات والمقاهي والشوارع ، والبعض الآخر يستخدم التقنيات الحديثة والتعرف على الإنترنت. كل واحد له اختياره الخاص ونحن لن نحكم على أي من الجانبين ، ولكن النقاش الإضافي سيكون حول المواعدة عبر الإنترنت.
أمثلة على المواعدةإذا لم تلمس قدرًا كبيرًا من الاحتيال والمحتالين ومرسلي الرسائل غير المرغوب فيها في هذا الجزء ، فعندئذٍ في المواقع أو في تطبيقات الهاتف المحمول ، يبحث الأشخاص عن زوجين ومن المرغوب فيه أن يكون اهتمام كل منهما الآخر متبادلًا. كل ما لا يلبي هذا المعيار ، في الواقع ، هو مضيعة للوقت على جانب واحد. الأسلوب الأكثر رسوخًا من وجهة نظر تقديم المعلومات هو "المنشورات" ، حيث يتم عرض ملف تعريف واحد ويجب على المشاهد أن يقرر ما إذا كان يحب ذلك أم لا (مثل ، كره). إذا كنت ترغب في الاستبيان ، فسوف يتم إخطارها وإذا كان هناك اهتمام متبادل ، يصبح من الممكن بدء حوار. الانحرافات عن هذا المخطط ممكنة في تطبيقات مختلفة وفي مواقع مختلفة ، ولكن يجب أن يكون مبدأ التشغيل العام واضحًا.
مثل ، قدمه فيسبوك قبل سنوات عديدة ، تبين أنه أداة قوية ومحفزة قوية للغاية. يسمح دون حوار بإظهار اهتمامه بشخص ما ، بناءً على رد فعله ، عدم انتظار الإجابة ، بل مواصلة البحث. إذا كان هناك رد فعل ، فقد يبدأ الحوار ، لكن قيمته أعلى بكثير من مجرد "تحيات" مبعثرة دون مراعاة المعاملة بالمثل.
نعم ، لقد ساعدت الإعجاب ، واستخدام التعاطف المتبادل ، أيضًا ، ولكن مع ذلك ، في سوق المواعدة ، لم يتغير شيء يذكر على مدار الخمسة عشر عامًا الماضية ، وهذا أمر غريب بالنسبة لصناعة تكنولوجيا المعلومات ، التي يتطور فيها التعارف عن طريق الإنترنت أيضًا.
ما هي في الواقع المشكلة؟
في المتوسط ، وفقًا للإحصاءات ، 17 إعجاب لكل 100 شخص لا يعجبهم. وهذا يعني أن الشخص يقوم بعمل غير مجدي أكثر مما هو مفيد ويتلقى محتوى لا يهمه. يأخذ هذا في الاعتبار معلمات التصفية الحالية للنتائج (البحث حسب المدينة والعمر والاهتمامات وغيرها من الخصائص المحددة في الملف الشخصي). اتضح أن الإجراء الأساسي للشخص فيما يتعلق بالاستبيان لا يرتبط بوعي المعلومات النصية التي ملأها صاحب الاستبيان عن نفسه ، ولكنه مرتبط حصريًا بتصور الصورة المقدمة (الكل أو الشخص ، على وجه الخصوص). سيتم إجراء تقييم إضافي للخصم بالفعل في الخطوة التالية ، عندما يتم تشكيل التعاطف المتبادل.
يحب ، يكره - ما هي المشكلة؟الهدف النهائي هو تقليل عدد الإجراءات غير المجدية للمستخدمين وإجراء اختيار لملفات التعريف في مواعدة ذات جودة أفضل من المرحلة الحالية. امتلاك قاعدة كبيرة بما يكفي لبناء إحصائيات وتحليل واختبار الفرضيات ، وكذلك للتدريب واستخدام الشبكات العصبية ، قمنا بعمل واختبار الفرضيتين التاليتين:
- ولكن ماذا لو كان جميع الأشخاص متشابهين ومن خلال تحليل نتائج الأشخاص المتشابهين على اختيار الملفات الشخصية ، هل يمكنك تحسين جودة هذه العينة والتأثير عليها؟
- هل يمكن لشبكة عصبية من الصور أن تتنبأ بتفضيلاتنا بناءً على التجربة السابقة؟
الشبكات العصبية في المواعدةفيما يلي وصف أكثر تفصيلاً حول تجاربنا باستخدام مثال البيانات من أحد تطبيقات الهاتف المحمول في مجال المواعدة. شكراً للزملاء الذين قدموا موافقتهم على هذه التجارب والتحليلات وإدخال تقنيات جديدة. بطبيعة الحال ، فإن جميع التغييرات التي تم إجراؤها والتجارب التي أجريت بأي حال من الأحوال تنتهك القانون الاتحادي بشأن البيانات الشخصية والناتج المحلي الإجمالي.
الحل 1. ماذا لو كان كل الناس متشابهين؟
الفرضية والفرضية هي كما يلي: إذا كان شخص ما يحب شخصًا ما مع مراعاة مرشحات البحث الأساسية ، مثل المدينة والنطاق العمري والجنس ، فستكون نتائج (اختيار) شخص آخر مثل الشخص نفسه أكثر ملاءمةً للواحد الأول ومراعاة ذلك. تكرار الفرضيات وزيادة عدد الأشخاص ، ستتحسن جودة العينة.
امتداد لهذه الفرضية هو التقليل إلى الحد الأدنى من معاملات التصفية الواردة حسب الجنس والمدينة ، وكذلك مراعاة ليس فقط أمثال المنتهية ولايته للأشخاص الذين تبحث عنهم مع تفضيلات مماثلة ، ولكن أيضًا مع مراعاة ردودهم على الملفات الشخصية التي يرغبون فيها.
اختبار الفرضيات. يتم تحديد النوع والمدينة فقط في الفلتر. نتائج أخذ العينات مع كره في البداية:
- التشكيلات الأربعة الأولى التي لا تحب
- الأولين يحب على ملامح مناسبة
- كره آخر
- وفي التكرار الرابع ، الحصول على عينة من 5 ملفات تعريف مناسبة وفقًا للمعايير المحددة
استنادًا إلى التجربة ، يتم توضيح عملية إنشاء استعلام بحث تلقائيًا استنادًا إلى آراء أشخاص آخرين ، بناءً على التفضيلات المحتملة للمشارك النشط.
كامتداد لهذا المخطط ، من الممكن التفكير في حساب الأشياء التي لا تعجبك بالإضافة إلى الإعجابات لتوضيح صورة الشخص ، وكذلك العمر والخصائص الأخرى للملفات الشخصية التي تندرج في العينة.
استخدام إعدادات الخوارزمية عند اختبار فرضية:
الخيار 2. ودعونا نتعلم الشبكة العصبية لاتخاذ قرار بالنسبة لنا
الفرضية والفرضية هي كما يلي: ربما يلعب الشخص الموجود في الصورة دورًا أكثر أهمية في اختيار الأشخاص من الخلفية العامة والموقع والملحقات وجودة التصوير وعوامل أخرى. لاختبار الفرضية ، تم استخدام كاشف على Intel OpenVINO مع 1 مليون صورة. تم الحصول على النتائج من الصور العامة للمستخدمين الذين لديهم قاعدة بيانات متوازية من الإعجابات (الذين يحبون من وأين هذه الإعجابات متبادلة). نتيجة للكشف وفرض النقاط الرئيسية للوجه على الصورة الأصلية:
علاوة على ذلك ، في عملية التعلم ، تم نقل أزواج من الصور في أشكال مختلفة إلى الشبكات العصبية في عملية التدريب:
- الصورة الأولى (الملف الشخصي) مثل الثانية
- الصورة الأولى (الملف الشخصي) مثل الثانية ، والثانية الأولى
- الصورة الأولى (ملف التعريف) لا تحب الصورة الثانية ، بينما الصورة الثانية لا تحب الصورة الأولى
فيما يلي نموذج التدريب عند المقارنة على أساس الإعجابات في قاعدة البيانات. مدخلان على شكل صور يتم نقلهما إلى الشبكة فقط إذا كان هناك مثل وارد من الأول إلى الثاني ، متبادل أو عند عدم وجود إعجابات متبادلة (لثلاث شبكات مختلفة مع تدريبهم المتسلسل).
وكانت النتيجة ثلاث شبكات عصبية ، مع وجود درجة معينة من الاحتمال ، يمكنها تحديد مدى توافق الأشخاص في الصور الفوتوغرافية. تتمثل ميزة هذا الخيار على الخيار الأول في السرعة العالية للبحث عن التفضيلات في الصور الفوتوغرافية والحد الأدنى لعدد الاستعلامات والتبعيات على مستوى استعلام SQL. وبعبارة أخرى ، فإن الحل الناتج يكون مثمرًا للغاية مع متطلبات الاستهلاك والسرعة العالية والمتعلقة بالموارد في عملية الاستدلال (يجب عدم الخلط بينه وبين عملية التعلم ، حيث يتطلب الحد الأقصى من أداء أنظمة الحوسبة ومشاركة العديد من وحدات معالجة الرسومات في العملية).
النتائج
لقد طبقنا كلا الخيارين ، وفي المرحلة الحالية نجمع إحصائيات عن فعاليتها. من الغريب أن يكون كلا البرنامجين يعملان ويسمح لهما بتحسين نتائج الإصدار بشكل كبير ، مما يقلل من عدد الإجراءات غير المجدية من جانب المستخدمين. والنتيجة النهائية للشركة هي زيادة مشاركة المستخدم ، وزيادة في إجمالي عدد الإعجابات المتبادلة ، ونتيجة لذلك ، عدد مشتريات الحسابات المدفوعة.
الآن مرحلة تشغيل الاختبار لكلا الحلين جارية ويتم توفير الخوارزميات للمستخدمين بشكل انتقائي ، ولكن إذا كنت ترغب في اختبار الفرضيات الأولى أو الثانية بنفسك على أساس حقيقي من الملفات الشخصية ، قم بالتسجيل في التطبيق والاتصال عن طريق البريد الإلكتروني dushin@combox.io ، يرجى الإشارة إلى تسجيل الدخول في التطبيق في الرسالة ، منح حق الوصول.