Jaringan saraf dalam berkencan

Kenalan atau kencan itu abadi, mereka akan selalu ada dalam berbagai bentuk: di jalan, di Internet, di situs atau di dalam aplikasi seluler. Orang akan selalu memiliki keinginan untuk bertemu seseorang dan semua orang akan memilih cara yang paling nyaman untuk diri mereka sendiri. Beberapa terus berkenalan di bar, kafe, di jalan, yang lain menggunakan teknologi modern dan berkenalan secara online. Masing-masing memiliki pilihan sendiri dan kami tidak akan menilai masing-masing pihak, tetapi diskusi selanjutnya adalah tentang kencan online.


Contoh aplikasi kencan

Jika Anda tidak menyentuh sejumlah besar penipuan, penjahat, spammer di segmen ini, maka sebenarnya di situs atau aplikasi seluler orang mencari pasangan dan diinginkan bahwa minat mereka satu sama lain saling menguntungkan. Segala sesuatu yang tidak memenuhi kriteria ini, pada kenyataannya, adalah buang-buang waktu di satu sisi. Pendekatan yang paling mapan dari sudut pandang pengiriman informasi adalah "selebaran", di mana satu profil ditampilkan dan pemirsa harus memutuskan apakah dia suka atau tidak (suka, tidak suka). Jika Anda menyukai kuesioner, maka dia akan diberitahu dan jika saling tertarik satu sama lain, maka menjadi mungkin untuk memulai dialog. Penyimpangan dari skema ini dimungkinkan dalam berbagai aplikasi dan di situs yang berbeda, tetapi prinsip umum operasi harus jelas.

Seperti, yang diperkenalkan bertahun-tahun yang lalu oleh Facebook, ternyata menjadi alat yang sangat kuat memotivasi dan nyaman. Dia mengizinkan tanpa dialog untuk menunjukkan minatnya pada seseorang dan, tergantung pada reaksinya, bukan untuk menunggu jawaban, tetapi untuk terus mencari. Jika ada reaksi, dialog dapat dimulai, tetapi nilainya jauh lebih tinggi dari sekadar "salam" yang tersebar tanpa mempertimbangkan timbal balik.

Ya, suka membantu, dan penggunaan simpati timbal balik, juga, namun demikian, di pasar kencan, sedikit yang berubah selama 15 tahun terakhir, dan ini aneh bagi industri TI, di mana kencan online juga berkembang.

Sebenarnya apa masalahnya?

Rata-rata, menurut statistik, 17 suka per 100 tidak suka. Artinya, seseorang melakukan lebih banyak pekerjaan tidak berguna daripada berguna dan menerima konten yang tidak menarik baginya. Ini mempertimbangkan parameter pemfilteran saat ini dari hasil (pencarian berdasarkan kota, umur, minat, dan karakteristik lain yang ditentukan dalam profil). Ternyata tindakan utama orang tersebut dalam kaitannya dengan kuesioner tidak terkait dengan kesadaran akan informasi teks yang diisi oleh pemilik kuesioner tentang dirinya sendiri, tetapi terhubung secara eksklusif dengan persepsi dari foto yang disajikan (keseluruhan atau orang, khususnya). Evaluasi lebih lanjut dari lawan akan dilakukan pada langkah berikutnya, ketika simpati timbal balik terbentuk.


Suka, tidak suka - apa masalahnya?

Tujuan utamanya adalah untuk mengurangi jumlah tindakan pengguna yang tidak berguna dan membuat pilihan profil dalam penanggalan yang lebih baik daripada pada tahap saat ini. Memiliki basis yang cukup besar untuk membangun statistik, menganalisis dan menguji hipotesis, serta untuk pelatihan dan menggunakan jaringan saraf, kami membuat dan menguji dua asumsi berikut:

1. Tetapi bagaimana jika semua orang sama dan dengan menganalisis hasil orang yang sama pada pilihan profil, dapatkah Anda meningkatkan dan memengaruhi kualitas sampel ini?
2. Dapatkah jaringan saraf dari foto memprediksi preferensi kita berdasarkan pengalaman sebelumnya?

Jaringan saraf dalam berkencan

Di bawah ini kami akan menjelaskan secara lebih rinci tentang percobaan kami menggunakan contoh data dari salah satu aplikasi seluler dari lingkungan kencan. Terima kasih kepada kolega yang telah memberikan persetujuan mereka untuk eksperimen, analitik, dan pengenalan teknologi baru tersebut. Tentu saja, semua perubahan yang dilakukan dan percobaan yang dilakukan sama sekali tidak melanggar Undang-Undang Federal tentang data pribadi dan GDPR.

Solusi 1. Bagaimana jika semua orang sama?

Asumsi dan hipotesisnya adalah sebagai berikut: jika seseorang menyukai seseorang dengan mempertimbangkan filter pencarian dasar akun, seperti kota, rentang usia dan jenis kelamin, maka hasil (pilihan) dari orang lain yang menyukai orang yang sama akan lebih cenderung cocok dengan yang pertama dan mempertimbangkan Mengulangi hipotesis dan meningkatkan jumlah orang, kualitas sampel akan meningkat.

Perpanjangan dari hipotesis ini adalah minimalisasi parameter pemfilteran masuk berdasarkan jenis kelamin dan kota, serta memperhitungkan tidak hanya orang-orang suka yang keluar dari orang yang Anda cari dengan preferensi yang serupa, tetapi juga memperhitungkan tanggapan terhadap mereka dari profil yang mereka sukai.

Tes hipotesis. Hanya jenis kelamin dan kota yang ditentukan dalam filter. Sampel hasil dengan tidak suka di awal:

1. Empat profil pertama yang tidak disukai
2. Dua suka pertama pada profil yang sesuai
3. Tidak suka lagi
4. Dan pada iterasi keempat, dapatkan sampel 5 profil yang cocok sesuai dengan kriteria yang ditentukan

Berdasarkan percobaan, proses menghasilkan permintaan pencarian secara otomatis berdasarkan pendapat orang lain, berdasarkan di mana kemungkinan preferensi peserta aktif dibentuk, ditunjukkan.

Sebagai perpanjangan dari skema ini, dimungkinkan untuk mempertimbangkan mengambil ketidaksukaan bersama dengan suka untuk memperjelas potret orang tersebut, serta usia dan karakteristik lain dari profil yang termasuk dalam sampel.

Pengaturan algoritme yang digunakan saat menguji hipotesis:

Opsi 2. Dan mari kita belajar jaringan saraf untuk membuat keputusan untuk kita

Asumsi dan hipotesisnya adalah sebagai berikut: mungkin orang dalam foto tersebut memainkan peran yang lebih signifikan dalam pemilihan orang daripada latar belakang umum, lokasi, aksesori, kualitas pengambilan gambar, dan faktor-faktor lainnya. Untuk menguji hipotesis, digunakan detektor pada Intel OpenVINO dengan 1 juta foto. Hasil yang diperoleh wajah dari foto umum pengguna dengan database paralel suka (yang suka siapa dan di mana suka ini saling). Hasil detektor dan pemaksaan titik-titik kunci wajah pada gambar asli:



Selanjutnya, dalam proses pembelajaran, pasangan foto dalam berbagai variasi ditransmisikan ke jaringan saraf dalam proses pelatihan:

• Foto pertama (profil) seperti yang kedua
• Foto pertama (profil) seperti yang kedua, dan yang kedua pertama
• Foto (profil) pertama tidak suka yang kedua, dan yang kedua tidak suka yang pertama

Sampel pelatihan ketika membandingkan berdasarkan suka pada database ditunjukkan di bawah ini. Dua input dalam bentuk foto yang dikirim ke jaringan hanya jika ada seperti masuk dari yang pertama ke yang kedua, saling suka atau ketika tidak ada suka bersama (untuk tiga jaringan yang berbeda dengan pelatihan berurutan mereka).

Hasilnya adalah tiga jaringan saraf yang, dengan tingkat probabilitas tertentu, dapat menentukan kompatibilitas orang dalam foto. Keuntungan dari opsi ini daripada yang pertama adalah kecepatan tinggi dalam mencari preferensi dalam foto dan jumlah minimum pertanyaan dan dependensi pada tingkat permintaan SQL. Dengan kata lain, solusi yang dihasilkan sangat produktif dengan kecepatan tinggi dan konsumsi rendah dan persyaratan sumber daya dalam proses inferensi (tidak menjadi bingung dengan proses pembelajaran, di mana kinerja maksimum sistem komputasi dan partisipasi banyak GPU dalam proses diperlukan).

Kesimpulan

Kami telah menerapkan kedua opsi dan pada tahap saat ini kami mengumpulkan statistik tentang efektivitasnya. Sangat mengherankan bahwa kedua skema ternyata berfungsi dan diizinkan untuk secara signifikan meningkatkan hasil penerbitan, mengurangi jumlah tindakan tidak berguna oleh pengguna. Hasil akhir untuk bisnis adalah peningkatan keterlibatan pengguna, peningkatan jumlah total suka bersama dan, sebagai akibatnya, jumlah pembelian akun berbayar.

Sekarang tahap operasi uji dari kedua solusi sedang berlangsung dan algoritme disediakan untuk pengguna secara selektif, tetapi jika Anda ingin menguji sendiri hipotesis pertama atau kedua pada basis kuesioner yang sebenarnya, daftarlah dalam aplikasi dan hubungi email dushin@combox.io, sebutkan nama pengguna Anda dalam aplikasi dalam surat, berikan akses.