डेटिंग में तंत्रिका नेटवर्क

परिचित या डेटिंग शाश्वत हैं, वे हमेशा विभिन्न रूपों में मौजूद रहेंगे: सड़क पर, इंटरनेट पर, साइटों पर या मोबाइल एप्लिकेशन के अंदर। लोगों को हमेशा किसी से मिलने की इच्छा होगी और हर कोई अपने लिए सबसे सुविधाजनक तरीका चुनेगा। कुछ लोग बार, कैफे, सड़क पर परिचित होना जारी रखते हैं, अन्य आधुनिक तकनीकों का उपयोग करते हैं और ऑनलाइन परिचित होते हैं। हर एक की अपनी पसंद है और हम दोनों में से किसी को भी नहीं आंकेंगे, लेकिन आगे की चर्चा ऑनलाइन डेटिंग के बारे में होगी।


डेटिंग अनुप्रयोगों के उदाहरण

यदि आप इस सेगमेंट में बड़ी संख्या में धोखाधड़ी, बदमाश, स्पैमर्स को नहीं छूते हैं, तो वास्तव में साइटों पर या मोबाइल एप्लिकेशन में लोग एक जोड़े की तलाश कर रहे हैं और यह वांछनीय है कि एक-दूसरे में उनकी रुचि आपसी हो। सब कुछ जो इस मानदंड को पूरा नहीं करता है, वास्तव में, एक तरफ समय की बर्बादी है। सूचना प्रस्तुत करने के दृष्टिकोण से सबसे अच्छी तरह से स्थापित दृष्टिकोण "पत्रक" है, जहां एक प्रोफ़ाइल प्रदर्शित की जाती है और दर्शक को यह तय करना होगा कि वह इसे पसंद करता है या नहीं (जैसे, नापसंद)। यदि आप प्रश्नावली पसंद करते हैं, तो उसे अधिसूचित किया जाएगा और यदि एक-दूसरे में पारस्परिक रुचि है, तो संवाद शुरू करना संभव हो जाता है। इस योजना से विचलन विभिन्न अनुप्रयोगों और विभिन्न साइटों पर संभव है, लेकिन ऑपरेशन का सामान्य सिद्धांत स्पष्ट होना चाहिए।

जैसे, फेसबुक द्वारा कई साल पहले पेश किया गया, यह एक बहुत ही शक्तिशाली प्रेरक और सुविधाजनक उपकरण है। वह संवाद के बिना किसी में अपनी रुचि दिखाने के लिए अनुमति देता है और, उसकी प्रतिक्रिया के आधार पर, उत्तर की प्रतीक्षा करने के लिए नहीं, बल्कि खोज जारी रखने के लिए। यदि कोई प्रतिक्रिया होती है, तो एक संवाद शुरू हो सकता है, लेकिन इसका मूल्य खाते में पारस्परिकता को ध्यान में रखे बिना "अभिवादन" की तुलना में बहुत अधिक है।

हां, पसंद में मदद मिली, और आपसी सहानुभूति का उपयोग, भी, लेकिन फिर भी, डेटिंग बाजार में, पिछले 15 वर्षों में थोड़ा बदल गया है, और यह आईटी उद्योग के लिए अजीब है, जिसमें ऑनलाइन डेटिंग विकसित हो रही है, भी।

वास्तव में, समस्या क्या है?

आंकड़ों के अनुसार, औसतन प्रति 100 नापसंद में 17 पसंद हैं। यही है, एक व्यक्ति उपयोगी की तुलना में बहुत अधिक बेकार काम करता है और उस सामग्री को प्राप्त करता है जो उसके लिए ब्याज की नहीं है। यह परिणामों के वर्तमान फ़िल्टरिंग मापदंडों (शहर, आयु, रुचि और प्रोफ़ाइल में निर्दिष्ट अन्य विशेषताओं द्वारा खोज) को ध्यान में रख रहा है। यह पता चलता है कि प्रश्नावली के संबंध में व्यक्ति की प्राथमिक कार्रवाई उस पाठ सूचना के बारे में जागरूकता से संबंधित नहीं है जिसे प्रश्नावली के स्वामी ने अपने बारे में भरा है, लेकिन प्रस्तुत की गई तस्वीर (विशेष रूप से या पूरे व्यक्ति की) की धारणा से विशेष रूप से जुड़ा हुआ है। आपसी सहानुभूति बनने पर प्रतिद्वंद्वी का आगे का मूल्यांकन पहले से ही अगले चरण में किया जाएगा।


पसंद, नापसंद - समस्या क्या है?

अंतिम लक्ष्य उपयोगकर्ताओं के बेकार कार्यों की संख्या को कम करना और वर्तमान चरण की तुलना में बेहतर गुणवत्ता वाले डेटिंग में प्रोफाइल का चयन करना है। आँकड़ों के निर्माण, परिकल्पनाओं के विश्लेषण और परीक्षण के लिए और तंत्रिका नेटवर्क के प्रशिक्षण और उपयोग के लिए पर्याप्त रूप से बड़े आधार की संभावना को देखते हुए, हमने निम्नलिखित दो मान्यताओं का निर्माण और परीक्षण किया है:

1. लेकिन क्या होगा अगर सभी लोग समान हैं और प्रोफाइल की पसंद पर समान लोगों के परिणामों का विश्लेषण करके, क्या आप इस नमूने की गुणवत्ता में सुधार और प्रभाव डाल सकते हैं?
2. तस्वीरों से एक तंत्रिका नेटवर्क पिछले अनुभव के आधार पर हमारी प्राथमिकताओं की भविष्यवाणी कर सकता है?

डेटिंग में तंत्रिका नेटवर्क

नीचे हम डेटिंग के क्षेत्र में मोबाइल अनुप्रयोगों में से एक से डेटा के उदाहरण का उपयोग करते हुए हमारे प्रयोगों के बारे में अधिक विस्तार से वर्णन करेंगे। सहकर्मियों के लिए धन्यवाद जिन्होंने इस तरह के प्रयोगों, विश्लेषण और नई प्रौद्योगिकियों की शुरूआत के लिए अपनी सहमति दी। बेशक, किए गए सभी परिवर्तन और प्रयोग किसी भी तरह से व्यक्तिगत डेटा और जीडीपीआर पर संघीय कानून का उल्लंघन नहीं करते हैं।

समाधान 1. यदि सभी लोग एक जैसे हों तो क्या होगा?

धारणा और परिकल्पना इस प्रकार है: यदि कोई व्यक्ति किसी व्यक्ति को शहर, आयु सीमा और लिंग जैसे बुनियादी खोज फ़िल्टर को ध्यान में रखना पसंद करता है, तो दूसरे व्यक्ति को पसंद करने वाले परिणाम (पसंद) पहले वाले को फिट करने और खाते में लेने की अधिक संभावना होगी। परिकल्पनाओं को दोहराते हुए और लोगों की संख्या में वृद्धि से नमूने की गुणवत्ता में सुधार होगा।

इस परिकल्पना का एक विस्तार लिंग और शहर द्वारा आने वाले फ़िल्टरिंग मापदंडों का कम से कम होना है, साथ ही उन लोगों की निवर्तमान पसंद को भी ध्यान में रखना है जो आप इसी तरह की वरीयताओं के साथ देख रहे हैं, लेकिन उन प्रोफाइल के जवाबों को भी ध्यान में रखते हैं जिन्हें वे पसंद करते हैं।

परिकल्पना परीक्षण। फ़िल्टर में केवल लिंग और शहर निर्दिष्ट हैं। शुरुआत में नापसंद के साथ नमूने परिणाम:

1. पहले चार प्रोफाइल जो पसंद नहीं हैं
2. उपयुक्त प्रोफाइल पर पहले दो पसंद करते हैं
3. एक और नापसंदगी
4. और चौथे पुनरावृत्ति पर, निर्दिष्ट मानदंडों के अनुसार 5 उपयुक्त प्रोफाइल का एक नमूना प्राप्त करना

प्रयोग के आधार पर, अन्य लोगों की राय के आधार पर स्वचालित रूप से एक खोज क्वेरी उत्पन्न करने की प्रक्रिया, जिसके आधार पर सक्रिय प्रतिभागी की संभावित प्राथमिकताएं बनती हैं, का प्रदर्शन किया जाता है।

इस योजना के विस्तार के रूप में, व्यक्ति के चित्र को स्पष्ट करने के लिए पसंद के साथ-साथ नापसंद पर विचार करना संभव है, साथ ही साथ उम्र और प्रोफाइल में आने वाली अन्य विशेषताओं के नमूने।

एक परिकल्पना का परीक्षण करते समय एल्गोरिथ्म सेटिंग्स का इस्तेमाल किया:

विकल्प 2. और चलो हमारे लिए निर्णय लेने के लिए तंत्रिका नेटवर्क सीखें

धारणा और परिकल्पना निम्नानुसार है: शायद फोटो में व्यक्ति सामान्य पृष्ठभूमि, स्थान, सामान, शूटिंग की गुणवत्ता और अन्य कारकों की तुलना में लोगों की पसंद में अधिक महत्वपूर्ण भूमिका निभाता है। परिकल्पना का परीक्षण करने के लिए, 1 मिलियन तस्वीरों के साथ इंटेल ओपनिनो पर एक डिटेक्टर का उपयोग किया गया था। परिणामों को उपयोगकर्ताओं के सामान्य फ़ोटो से पसंद के समानांतर डेटाबेस के साथ प्राप्त किया गया था (जो पसंद करते हैं और जहां ये पसंद पारस्परिक हैं)। डिटेक्टर और मूल छवि पर चेहरे के प्रमुख बिंदुओं को थोपने का परिणाम:



इसके अलावा, सीखने की प्रक्रिया में, विभिन्न रूपों में तस्वीरों के जोड़े को प्रशिक्षण की प्रक्रिया में तंत्रिका नेटवर्क में प्रेषित किया गया:

• पहला फोटो (प्रोफाइल) दूसरा जैसा
• दूसरी की तरह पहली फोटो (प्रोफाइल) और दूसरी पहली
• पहली फोटो (प्रोफाइल) दूसरी को पसंद नहीं है, और दूसरी को पहली पसंद नहीं है

डेटाबेस पर पसंद के आधार पर तुलना करते समय प्रशिक्षण का नमूना नीचे दिखाया गया है। फ़ोटो के रूप में दो इनपुट जो केवल तभी नेटवर्क में प्रेषित होते हैं जब पहली से दूसरी तक की तरह एक आवक होती है, आपसी पसंद या जब कोई आपसी पसंद नहीं होती है (उनके अनुक्रमिक प्रशिक्षण के साथ तीन अलग-अलग नेटवर्क के लिए)।

परिणाम तीन तंत्रिका नेटवर्क थे, जो संभावना की एक निश्चित डिग्री के साथ, तस्वीरों में लोगों की संगतता निर्धारित कर सकते हैं। पहले विकल्प पर इस विकल्प का लाभ तस्वीरों में वरीयताओं की खोज की उच्च गति और SQL क्वेरी के स्तर पर प्रश्नों और निर्भरताओं की न्यूनतम संख्या है। दूसरे शब्दों में, परिणामी समाधान उच्च गति और कम खपत के साथ अत्यधिक उत्पादक है और निष्कर्ष प्रक्रिया में संसाधन आवश्यकताओं (सीखने की प्रक्रिया के साथ भ्रमित नहीं होना चाहिए, जहां कंप्यूटिंग सिस्टम के अधिकतम प्रदर्शन और प्रक्रिया में कई GPU की भागीदारी की आवश्यकता होती है)।

निष्कर्ष

हमने दोनों विकल्पों को लागू किया है और वर्तमान स्तर पर हम उनकी प्रभावशीलता पर आंकड़े एकत्र कर रहे हैं। यह उत्सुक है कि दोनों योजनाएं काम करने लगीं और उपयोगकर्ताओं की ओर से बेकार कार्यों की संख्या को कम करने, जारी करने के परिणाम में सुधार करने की अनुमति दी। व्यवसाय के लिए अंतिम परिणाम उपयोगकर्ता की व्यस्तता में वृद्धि, पारस्परिक पसंद की कुल संख्या में वृद्धि और परिणामस्वरूप, भुगतान किए गए खातों की खरीद की संख्या है।

अब दोनों समाधानों का परीक्षण संचालन चरण चल रहा है और उपयोगकर्ताओं को चुनिंदा रूप से एल्गोरिदम प्रदान किए जाते हैं, लेकिन यदि आप प्रश्नावली के वास्तविक आधार पर पहली या दूसरी परिकल्पना का स्वयं परीक्षण करना चाहते हैं, तो आवेदन में पंजीकरण करें और ई-मेल pushin@combox.io पर संपर्क करें, पत्र में आवेदन में अपना उपयोगकर्ता नाम इंगित करें। पहुँच दो।