Redes neurais no namoro

Conhecimentos ou namoro são eternos, sempre existirão de várias formas: na rua, na Internet, em sites ou dentro de aplicativos móveis. As pessoas sempre terão o desejo de conhecer alguém e todos escolherão a maneira mais conveniente para si. Alguns continuam se familiarizando com bares, cafés, na rua, outros usam tecnologias modernas e se conhecem online. Cada um tem sua própria escolha e não julgaremos nenhum dos lados, mas a discussão será sobre namoro online.


Exemplos de aplicativos de namoro

Se você não abordar um grande número de fraudes, trapaceiros, spammers nesse segmento, na verdade, em sites ou aplicativos móveis, as pessoas estão procurando um casal e é desejável que o interesse deles seja mútuo. Tudo o que não atende a esse critério é, de fato, uma perda de tempo de um lado. A abordagem mais estabelecida, do ponto de vista da apresentação de informações, é “folhetos”, onde um perfil é exibido e o espectador deve decidir se gosta ou não (gosta, não gosta). Se você gosta do questionário, ela será notificada e, se houver interesse mútuo, será possível iniciar um diálogo. Desvios deste esquema são possíveis em várias aplicações e em locais diferentes, mas o princípio geral de operação deve ser claro.

Como, introduzido há muitos anos pelo Facebook, acabou sendo uma ferramenta motivadora e conveniente muito poderosa. Ele permite que, sem diálogo, demonstre interesse em alguém e, dependendo de sua reação, não espere uma resposta, mas continue procurando. Se houver uma reação, um diálogo pode começar, mas seu valor é muito maior do que simplesmente "cumprimentos" dispersos, sem levar em conta a reciprocidade.

Sim, gostos ajudaram e o uso de simpatia mútua também, mas, no entanto, no mercado de namoro, pouco mudou nos últimos 15 anos, e isso é estranho para o setor de TI, no qual o namoro online também está se desenvolvendo.

Qual é, de fato, o problema?

Em média, de acordo com as estatísticas, 17 curtidas por 100 curtidas. Ou seja, uma pessoa faz muito mais trabalho inútil do que útil e recebe conteúdo que não lhe interessa. Isso leva em consideração os parâmetros de filtragem atuais dos resultados (pesquisa por cidade, idade, interesses e outras características especificadas no perfil). Acontece que a ação principal da pessoa em relação ao questionário não está relacionada à conscientização das informações de texto que o proprietário do questionário preencheu sobre si mesma, mas está conectada exclusivamente à percepção da fotografia apresentada (do todo ou da pessoa, em particular). Uma avaliação mais aprofundada do oponente será feita já no próximo passo, quando a simpatia mútua for formada.


Gostos, desgostos - qual é o problema?

O objetivo final é reduzir o número de ações inúteis dos usuários e fazer uma seleção de perfis em um namoro de melhor qualidade do que no estágio atual. Possuindo uma base suficientemente grande para construir estatísticas, analisar e testar hipóteses e também para treinar e usar redes neurais, fizemos e testamos as duas seguintes premissas:

1. Mas e se todas as pessoas forem semelhantes e analisando os resultados de pessoas semelhantes na escolha de perfis, você pode melhorar e influenciar a qualidade dessa amostra?
2. Uma rede neural de fotografias pode prever nossas preferências com base na experiência anterior?

Redes neurais no namoro

A seguir, descreveremos com mais detalhes nossas experiências usando o exemplo de dados de um dos aplicativos móveis no campo de namoro. Agradecemos aos colegas que deram seu consentimento a essas experiências, análises e introdução de novas tecnologias. Obviamente, todas as alterações feitas e os experimentos realizados de forma alguma violam a Lei Federal sobre dados pessoais e o RGPD.

Solução 1. E se todas as pessoas forem iguais?

A suposição e a hipótese são as seguintes: se uma pessoa gosta de alguém levando em consideração os filtros básicos de pesquisa, como cidade, faixa etária e sexo, os resultados (escolha) de outro que gosta da mesma pessoa terão mais chances de se encaixar no primeiro e levar em consideração repetindo hipóteses e aumentando o número de pessoas, a qualidade da amostra melhorará.

Uma extensão dessa hipótese é a minimização dos parâmetros de filtragem de entrada por gênero e cidade, além de levar em consideração não apenas os gostos de saída das pessoas que você procura com preferências semelhantes, mas também levar em conta as respostas a eles dos perfis que eles gostam.

Teste de hipótese. Somente o sexo e a cidade são especificados no filtro. A amostragem resulta com desgostos no início:

1. Os quatro primeiros perfis que não gostam
2. Primeiras duas curtidas em perfis adequados
3. Outra antipatia
4. E na quarta iteração, obtendo uma amostra de 5 perfis adequados de acordo com critérios especificados

Com base no experimento, é demonstrado o processo de gerar automaticamente uma consulta de pesquisa com base nas opiniões de outras pessoas, com base nas quais as possíveis preferências do participante ativo são formadas.

Como uma extensão deste esquema, é possível considerar o desagrado junto com os gostos para esclarecer o retrato da pessoa, bem como a idade e outras características dos perfis que caem na amostra.

Configurações de algoritmo usadas ao testar uma hipótese:

Opção 2. E vamos aprender a rede neural a tomar uma decisão por nós

A suposição e a hipótese são as seguintes: talvez a pessoa na foto tenha um papel mais significativo na escolha das pessoas do que o contexto geral, localização, acessórios, qualidade da fotografia e outros fatores. Para testar a hipótese, foi utilizado um detector no Intel OpenVINO com 1 milhão de fotos. Os resultados foram obtidos rostos das fotos gerais de usuários com um banco de dados paralelo de curtidas (que curtiram quem e onde essas curtidas são mútuas). O resultado do detector e a imposição de pontos-chave da face na imagem original:



Além disso, no processo de aprendizado, pares de fotografias em várias variações foram transmitidos às redes neurais no processo de treinamento:

• A primeira foto (perfil) como a segunda
• A primeira foto (perfil) como a segunda e a segunda primeira
• A primeira foto (perfil) não gosta da segunda e a segunda não gosta da primeira

A amostra de treinamento ao comparar com base em curtidas no banco de dados é mostrada abaixo. Duas entradas na forma de fotos que são transmitidas para a rede somente se houver uma entrada como da primeira para a segunda, como mútua ou quando não houver curtidas mútuas (para três redes diferentes com o treinamento sequencial).

O resultado foram três redes neurais que, com um determinado grau de probabilidade, podem determinar a compatibilidade das pessoas nas fotografias. A vantagem dessa opção em relação à primeira é a alta velocidade de pesquisa de preferências em fotografias e o número mínimo de consultas e dependências no nível da consulta SQL. Em outras palavras, a solução resultante é altamente produtiva, com alta velocidade e baixo consumo e requisitos de recursos no processo de inferência (não deve ser confundida com o processo de aprendizado, onde é necessário o máximo desempenho dos sistemas de computação e a participação de muitas GPUs no processo).

Conclusões

Implementamos as duas opções e, no estágio atual, estamos coletando estatísticas sobre sua eficácia. É curioso que ambos os esquemas funcionassem e permitissem melhorar significativamente o resultado da emissão, reduzindo o número de ações inúteis por parte dos usuários. O resultado final para os negócios é um aumento no envolvimento do usuário, um número total de curtidas mútuas e, como resultado, o número de compras de contas pagas.

Agora, a fase de operação de teste de ambas as soluções está em andamento e os algoritmos são fornecidos seletivamente aos usuários, mas se você deseja testar a primeira ou a segunda hipótese em uma base real de perfis, registre-se no aplicativo e entre em contato pelo e-mail dushin@combox.io, indique seu login no aplicativo na carta, dar acesso.