WWW.MASH.DOBROTA.BIZ
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - онлайн публикации
 

«систем Чернышов Дмитрий Олегович Выпускная квалификационная работа бакалавра Оценка оптимальной стоимости платных услуг на сайте Avito Направление 010400 Прикладная математика, ...»

Санкт-Петербургский государственный университет

Кафедра компьютерного моделирования и многопроцессорных

систем

Чернышов Дмитрий Олегович

Выпускная квалификационная работа бакалавра

Оценка оптимальной стоимости платных

услуг на сайте Avito

Направление 010400

Прикладная математика, фундаментальная информатика

и основы программирования

Научный руководитель,

доктор техн. наук

,

профессор

Буре В.М .

Санкт-Петербург

Содержание

Введение.................................. 3 Обзор литературы............................. 5 Глава 1 . Сайт Avito............................ 7

1.1. История сайта........................... 7

1.2. Статистика сайта.......................... 8

1.3. Сервисы и услуги.......................... 9 Глава 2 . Задача установления стоимости платных услуг....... 13

2.1. Постановка задачи......................... 13

2.2. Методы кластеризации...................... 15

2.3. Эмпирическая оценка стоимости платных услуг........ 19

2.4. Основные результаты и обсуждение............... 20 Глава 3 . Математическая модель репутации пользователей...... 27



3.1. Постановка задачи......................... 27

3.2. Метод оценки репутации...................... 28

3.3. Основные результаты и обсуждение............... 29 Заключение................................. 34 Список литературы............................ 35 Приложение................................ 38 Введение Данная работа посвящена решению двух задач. Первая из них – определения цен на платные услуги сайта Avito. Эта задача актуальна на сегодняшний день по причине того, что в данный момент на ресурсе существуют неточности в значениях стоимости услуг. Представленный метод решения позволяет пересчитать эти цены с учетом благосостояния каждого региона и дополнительных характеристик каждой категории объявлений. Метод состоит из двух этапов. Первый этап – анализ данных о благосостоянии населения регионов Российской Федерации и проведение процессов кластеризации. Второй этап – проведение опроса пользователей и построение эмпирической оценки функции спроса на вышеуказанные услуги и определении оптимальной цены на них. Статья о разработке данного метода была успешно представлена на международной научной конференции аспирантов и студентов Процессы управления и устойчивость Control Processes and Stability (CPS’16) .

Вторая задача – построение модели репутации пользователей. На данный момент сайт Avito является свободной площадкой для размещения объявлений и не участвует в процессе сделки между пользователями. Это отличает сайт от популярных торговых площадок как, например, eBay. В 2015 году компания Avito приобрела сервис доставки CheckOut, который агрегирует в себе различные способы доставок. Указанный сервис позволит контролировать процесс сделки и, следовательно, получать отзывы о продавцах. В связи с этим, появится необходимость во введении рейтинга продавцов, который будет показывать надежность продавца. В предложенной модели минимизировано влияние искусственного завышения или занижения репутации мошенниками или конкурентами .



Обзор литературы

В первой части работы, для решения первой задачи, использовался метод кластеризации данных. Такой подход к решению выбран в статье [1]. Данные для кластеризации брались из базы федеральной статистики ЕМИСС. Для всех процессов использовались данные о средней заработной плате [2] и численности населения [3]. В зависимости от категории объявлений, в качестве дополнительных входных параметров были использованы данные о количестве поставленных на учет автомобилей [4], средней стоимости квадратного метра жилья [5], количестве зарегистрированных организаций [6] и объеме предоставленных платных услуг населению [7]. Существующие методы кластеризации описаны в книге [8]. Процессы кластеризации проводились в среде MATLAB с помощью функции k-means, которая реализована в пакете Statistics Toolbox [10] .

После проведения процессов кластеризации производилось построение эмпирической оценки функции спроса, принцип которого описан в книге [9]. Во второй части работы, для решении второй задачи использовались статьи, в которых представлена информация о доверии [11] и выборе продавца [12] в области электронной коммерции. Построение модели репутации изложено в статье [13], в которой описываются нюансы и принципы работы системы рейтинга основных торговых площадок. На основе данной статьи предложена новая, адаптированная для сайта Avito, математическая модель .

Глава 1. Сайт Avito

Avito – один из крупнейших сайтов объявлений в России .

На данный момент на активно более 30 миллионов объявлений и миллионы людей ежедневно пользуются этим сервисом .

Мобильные технологии позволяют обращаться к этой торговой площадке из любого места, а недавно запущенные сервисы привлекают все больше рекламодателей .

1.1. История сайта

Сайт был создан 15 октября 2007 года. Специализировался на товарах повседневного спроса. Помимо публикации объявлений, существовала возможность размещения аукционов, но в 2009 от этой функции было решено отказаться, вместо этого все внимание руководства компании сфокусировалось на работе с объявлениями. В том же году на сайте появился сервис Магазины, позволяющий размещать на сайте витрины для товаров .

• В 2011 году запустились мобильная версия сайта и мобильное приложение .

• В 2012 году появились категории Авто и Недвижимость .

• В 2013 году произошло слияние Avito и ресурсов OLX.ru и Slando.ru. Запустилась новая категория Услуги. В этом же году состоялся запуск проекта Domofond.ru .

• В 2015 году состоялся запуск сервиса контекстной рекламы Avito Контекст .

1.2. Статистика сайта

• В 2010 году количество уникальных посетителей достигло отметки 10 млн в месяц .





• В 2012 году количество уникальных посетителей достигло отметки 10 млн в неделю .

• В 2014 году компания заняла 10-е место в рейтинге крупнейших интернет-компаний в России по версии Forbes .

• В 2015 году ежемесячная посещаемость ресурса со стационарных устройств составила 25 млн человек, согласно статистике TNS Web Index report. Также в этом году ежемесячная аудитория находилась на уровне 35 млн уникальных посетителей, из которых 10,1 млн человек использовали мобильные устройства, согласно отчету Vostok New Ventures .

• Avito входит в ТОП-5 крупнейших сайтов России по версии Liveinternet, а также является наиболее посещаемым российским сайтом в категории Товары и услуги .

1.3. Сервисы и услуги

В данный момент на сайте Avito существуют 10 категорий объявлений: Авто, Недвижимость,

Работа, Услуги, Личные вещи, Для дома и дачи, Бытовая электроника, Хобби и отдых, Животные, Для бизнеса. На сайте предлагаются как новые, так и товары, бывшие в употреблении .

Сайт имеет несколько сервисов для бизнеса:

• Магазины – сервис, позволяющий открыть на сайте собственную страницу с магазином. Возможность использования как компанией, так и частными предпринимателями .

• Промо – сервис, позволяющий создать рекламу, направленную на конкретную аудиторию сайта .

• Контекст – сервис, привлекающий пользователей с Avito на страницы интернет-магазинов с помощью контекстной рекламы .

• CheckOut – логистический сервис, агрегирующий услуги различных служб доставки .

• ActiAgent – инструмент для работы агентов и брокеров .

Позволяет управлять своей базой, размещать и отслеживать объявления на площадках, вести клиентов .

Помимо представленных сервисов для бизнеса, пользователям предоставляются дополнительные платные услуги. Все они направлены на привлечение внимания потенциальных покупателей теми или иными способами .

Премиум-размещение Премиум-объявления отображаются сверху каждой страницы списка результатов поиска и обозначаются соответствующим значком (см. рис. 1). Премиум-объявления упорядочены по дате или цене и соответствуют поисковому запросу, региону и выбранной категории .

–  –  –

VIP-объявление VIP-объявления располагаются на странице результатов поиска в специальном блоке и обозначаются соответствующим значком (см. рис. 2). В нем могут располагаться не более 3 VIP-объявлений, поэтому они показываются в случайном порядке. Все VIP-объявления соответствуют поисковому запросу пользователя, региону и категории .

–  –  –

Поднятие объявления в поиске Поднятие объявления в поиске – услуга, с помощью которой объявление дважды поднимается на верхнюю позицию в списке результатов поиска. Также обозначается соответствующим значком (см. рис. 3). Второе поднятие происходит через 24 часа после первого .

–  –  –

Выделение объявления Выделенные объявления помечаются специальной иконкой и показываются на золотом фоне в общем списке на странице результатов поиска (см. рис. 4). В качестве бонуса после применения услуги объявление однократно поднимается в поиске .

–  –  –

2.1. Постановка задачи Существование платных услуг порождает задачу установления цен на эти услуги. Функционал сайта позволяет публиковать объявления в любом регионе Российской Федерации. В каждой области различный уровень жизни и благосостояния населения. Кроме того, на сайте публикуются как товары, отдающиеся даром, так и товары, стоимостью несколько сотен миллионов рублей. Это должно приниматься во внимание при назначении цены на дополнительные услуги .

С учетом изложенных обстоятельств, возникает задача исследования благосостояния всех регионов. Ввиду большого количества субъектов в Российской Федерации задача исследования благосостояния каждого региона по отдельности становится трудоемкой. Для оптимизации данного процесса можно использовать методы кластеризации данных [1], чтобы получить группы, которые будут содержать регионы с примерно одинаковым уровнем жизни. Стоит разделить все категории следующим образом: Авто, Недвижимость, Работа, Услуги и остальные категорий вместе взятые. Данное разделение обосновано зависимостью цен на товары от уровня жизни в конкретном субъекте. Задача состоит в проведении нескольких процессов кластеризации для каждой категории отдельно, учитывая специфику товара в каждой из них .

В качестве основных данных для всех категорий объявлений будем использовать среднюю заработную плату [2] и численность населения [3] в соответствующем регионе .

Рассмотрим категорию Авто. По причине того, что стоимость автомобиля не зависит от его местонахождения, стоит учитывать их количество в каждой области. Чем больше автомобилей, тем больше конкуренция. Соответственно возрастает и цена на услуги. Таким образом, в качестве дополнительного параметра будем использовать количество автомобилей, зарегистрированных в конкретной области [4] .

В категории Недвижимость местонахождение объекта играет главную роль. Следовательно, чем дороже стоимость, например, квартиры, тем дороже услуги для объявления о ее продаже. Дополнительный параметр для данной категории – средняя стоимость квадратного метра жилья по области [5] .

Цена на услуги для объявлений категории Работа должна зависеть от количества работодателей в конкретной области .

В качестве дополнительного параметра используем количество организаций, зарегистрированных в регионе [6] .

В категория Услуги в роли дополнительного параметра будет использоваться объем платных услуг, оказанных населению области за год [7]. Подробнее с используемыми данными можно ознакомиться в Приложении 1 .

2.2. Методы кластеризации Все алгоритмы кластеризации делятся на иерархические и неиерархические [8] .

Отличаются они по типу выходных данных. При использовании иерархического алгоритма мы получим результат в виде иерархии кластеров. В случае использовании алгоритма другого типа никакой иерархии у выходных данных не будет. Иерархические алгоритмы включают в себя дивизимные и агломеративные. Принцип работы дивизимного алгоритма основан на объединении всех объектов в общий кластер и последующем разделении этого кластера. Агломеративный алгоритм работает наоборот. Все объекты помещаются в собственные кластеры и только потом объединяются .

К неиерархическим алгоритмам относятся плотностные, модельные и итерационные. Принцип работы плотностного алгоритма заключается в представлении кластера как группы объектов, расположенных близко друг к другу. Модельный алгоритм выделяет в данных модели, которые и будут являться кластерами. Итеративные алгоритмы основаны на перераспределении объектов между кластерами. На них и остановимся подробнее. Одними из представителей итеративных алгоритмов являются k-means и c-means. Основное действие этих алгоритмов заключается в минимизации расстояния между объектами в кластерах .

Для начала выполнения алгоритма необходимо знать нужное количество кластеров. Выбор этого числа может зависеть от результатов прошлых исследований, теории или интуиции .

Описание алгоритма k-means

–  –  –

Выбор количества кластеров – важная часть процесса кластеризации. Если конкретного количества нет, то нужно поступать методом индукции. Провести несколько процессов и сравнить результаты. После получения результатов кластерного анализа нужно оценить, насколько кластеры отличаются друг от друга. Для такой оценки сравниваются средние значения для каждого из кластеров. При правильной кластеризации они должны сильно отличаться .

Достоинства k-means:

• простой

• быстрый

• понятный

Недостатки k-means:

• медленная работа с большими объемами данных Описание алгоритма c-means

–  –  –

где также xi X – объект, ck C – центроид, |X| = N, |C| = M .

• Выбираем число классов M и меру m: 1 m, функцию расстояния d(x, c) и критерий остановки поиска 0 1. Задаем U 0 – матрицу весов принадлежности определенной точки к определенному кластеру .

–  –  –

• Проверка условия ||U k U k1||. Если выполняется, то конец алгоритма .

Из описанных методов к нашей задаче наиболее подходит k-means. Его основные черты, которые послужат помощью в решении нашей задачи: четкость, простота и быстрая работа .

Минусы данного метода не отразятся на результате ввиду того, что объем входных данных является небольшим .

2.3. Эмпирическая оценка стоимости платных услуг

Для решения основной задачи потребуется провести эмпирическую оценку функции спроса [9]. Для начала проводится опрос продавцов, которые зарегистрированы продолжительное время и имеют опыт продаж на сайте. Данную процедуру можно реализовать в личном кабинете пользователя. Опрос должен содержать следующие пункты: место жительства продавца, категория (подкатегория) товаров (должны быть доступны только те, в которых пользователь уже совершал сделки) и сумма, которую продавец был бы готов заплатить за каждую из предлагаемых сайтом услуг. Логично предположить, что не все пользователи согласятся пройти данный опрос и некоторые категории (подкатегории) определенных регионов не будут иметь статистических данных. Эта проблема решается наличием кластеров. Все данные будут собираться не для конкретного региона, а для определенного кластера. При этом, следует разделять областные центры, рядовые города, поселки городского типа и села .

Получив результаты опроса, построим оценку функции спроса на платные услуги сайта. Далее определяем оптимальную цену на конкретную услугу с учетом доступности пользователю и максимальной прибыли компании .

2.4. Основные результаты и обсуждение

Написана программа в среде MATLAB, считывающая базу с данными для кластеризации и автоматически разделяющая столбцы для каждой категории объявлений. Кластеризация проводилась с помощью метода k-means, который реализован в пакете Statistics Toolbox для MATLAB [10]. Количество кластеров определялось эмпирическим путем, и в данном случае количество кластеров для всех категорий равно пяти. Код программы представлен в Приложении 2 .

Результаты кластеризации для категории Авто • 1-й кластер: 9 регионов • 2-й кластер: 47 регионов • 3-й кластер 24 региона • 4-й кластер: 3 региона • 5-й кластер: 1 регион Результаты кластеризации для категории Недвижимость • 1-й кластер: 10 регионов • 2-й кластер: 50 регионов • 3-й кластер 21 региона • 4-й кластер: 2 региона • 5-й кластер: 1 регион Результаты кластеризации для категории Работа • 1-й кластер: 57 регионов • 2-й кластер: 15 регионов • 3-й кластер 9 региона • 4-й кластер: 2 региона • 5-й кластер: 1 регион Результаты кластеризации для категории Услуги • 1-й кластер: 55 регионов • 2-й кластер: 16 регионов • 3-й кластер 9 региона • 4-й кластер: 3 региона • 5-й кластер: 1 регион Результаты кластеризации для остальных категорий • 1-й кластер: 9 регионов • 2-й кластер: 49 регионов • 3-й кластер 22 региона • 4-й кластер: 3 региона • 5-й кластер: 1 регион Подробные результаты представлены в Приложении 3 .

Оценка функции спроса на услугу Премиум-размещение Для примера возьмем г. Санкт-Петербург (четвертый кластер категории Авто ).

Пусть, для определенности, выборка из результатов опроса для услуги Премиум-размещение в подкатегории Автомобили выглядит следующим образом:

1100, 1300, 1000, 1300, 900, 1000, 900, 900, 1000, 1000, 1500, 800, 1000, 1200, 900, 900, 1000, 1100, 1000, 1100, 700, 1400, 1600, 1000, 800, 1300, 800, 1100, 1400, 900, 1000, 700, 700, 1200, 900, 1300, 900, 700, 1100, 1000, 1000, 1200, 1200, 800, 1100, 1100, 1000, 1200, 1300, 1200 .

Следующим шагом оценим функцию спроса. Для начала упорядочиваем максимально допустимые для опрашиваемых цены на услугу. Результаты представлены во втором столбце. В третьем столбцы указано количество повторений той или иной цены. Далее строим функцию спроса, которая располагается в четвертом столбце. Из результатов опроса замечаем, что никто из опрошенных данную услугу не приобретет по цене, превышающей 1600. При цене, равной 1600, появится только один покупатель. При снижении цены до 1500, услугу смогут позволить себе приобрести уже двое пользователей. Аналогичным образом заполняется весь столбец. В пятом столбце отражена прибыль от продаж услуги по определенной цене .

№, i Цена, pi Повторы, Ni Спрос, D(pi ) Прибыль, pi D(pi ) Ввиду отсутствия издержек, оптимальную цену услуги определить достаточно просто. В нашем случае это та цена, при которой мы получим максимальную прибыль, т. е. 900 .

Аналогичным образом рассчитаем оптимальную цену на остальные услуги для категории Авто подкатегории Автомобили .

Оценка функции спроса на услугу VIP-объявление №, i Цена, pi Повторы, Ni Спрос, D(pi ) Прибыль, pi D(pi ) По аналогии с предыдущими расчетами замечаем, что максимальная прибыль будет при цене 400. Это и есть оптимальная цена на данную услугу .

Оценка функции спроса на услугу Поднятие объявление в поиске №, i Цена, pi Повторы, Ni Спрос, D(pi ) Прибыль, pi D(pi ) Данная услуга интересна обеим сторонам по цене 200 .

Оценка функции спроса на услугу Выделение объявления №, i Цена, pi Повторы, Ni Спрос, D(pi ) Прибыль, pi D(pi ) Оптимальная цена этой услуги совпадает с ценой на услугу Поднятие объявления в поиске, т. е. 200 .

–  –  –

На данный момент сайт Avito не участвует в процессе сделки между пользователями и не является гарантом. Данный факт значительно отличает сайт от таких популярных торговых площадок, как Ebay, Amazon, Taobao. В 2015 году компания приобрела сервис доставки Checkout, который является агрегатором доставок для интернет-магазинов, позволяющий выбирать из нескольких способов доставки, таких как Почта Россиињ, SPSR Express, DPD, PickPoint и автоматически расcчитывает стоимость доставки до клиента .

3.1. Постановка задачи

Учитывая наличие сервиса доставки и возможность с помощью него контролировать процесс сделки, появится необходимость во введении шкалы репутации продавцов. Следовательно, каждый продавец будет стараться заработать показатель репутации, стремящийся к 100%, т. к. рейтинг показывает надежность [11] и является одним из главных критериев выбора покупателем того или иного продавца [12] .

3.2. Метод оценки репутации Оставить отзыв покупатель сможет после совершения сделки в собственном личном кабинете на сайте. Должны быть доступны два варианта отзыва: Положительный и Отрицательный. При расчете они должны иметь значения 1 и -1 соответственно. Последний подразумевает поле для подробного описания жалобы. Данные отзывы должны обрабатываться соответствующим отделом сотрудников .

К сожалению, не исключены случаи искусственного повышения или понижения рейтинга с целью введения в заблуждение потенциального покупателя и проведения в отношении него каких-либо мошеннических действий или устранения конкурентов. Чтобы снизить количество искусственных оценок репутации, нужно ввести сбор, который уплачивается новым пользователем при регистрации на сайте. Данный взнос должен возвращаться на кошелек пользователя спустя некоторое время или после его первой продажи на сайте [13]. Кроме того, оставить отрицательный отзыв о конкретном продавце каждый пользователь может только один раз. Это объясняется тем, что покупатель не будет совершать сделку с человеком, с которым уже был неприятный опыт сотрудничества. Также стоит не принимать первую жалобу на продавца и отклонить ее до появления аналогичной уникальной жалобы. Данные условия помогут минимизировать процент искусственных отзывов и предоставят потенциальным покупателям реальный рейтинг продавца .

Для расчета репутации нужно учитывать стоимость товара .

Таким образом, вес отрицательного отзыва для более дорогого лота, является большим, относительно отрицательного отзыва для дешевого товара. Это позволит избежать случаев, когда продавец искусственно увеличивает свою репутацию посредством продажи дешевых товаров и совершать в дальнейшем мошеннические действия, предлагая дорогие товары. Следует установить границы ценовых диапазонов и производить расчет репутации отдельно для каждой из них .

3.3. Основные результаты и обсуждение

–  –  –

Примеры работы модели Рассмотрим различные сценарии сделок на сайте и изменение репутации продавца .

Допустим, что все оценки продавца в текущем месяце были положительными для 1-го и 2-го диапазона и, соответственно, его рейтинг был максимальным. Следующей его оценкой стала

-1 для 3-го диапазона .

–  –  –

В результате получим, что за текущий месяц репутация пользователя изменилась с максимальной до 0.33, а общая репутация снизилась с 0.92 до 0.59 .

Пусть, продавец совершил еще одну сделку с ценой, входящей в 3-ий диапазон .

–  –  –

Тогда рейтинг текущего месяца возрастет до 0.66, а общий станет – 0.79 .

Пусть продавец имел положительные оценки в 1-ом диапазоне и, соответственно, максимальный рейтинг .

–  –  –

В работе предложен способ установления стоимости платных услуг на сайте Avito с помощью метода кластеризации данных и эмпирической оценки функции спроса. В среде MATLAB реализована программа, самостоятельно проводящая соответствующие процессы. Учтено благосостояние субъектов Российской Федерации, дополнительные характеристики и специфика категорий объявлений, в которых доступно размещение .



Как и следовало ожидать, в самом богатом кластере оказался г. Москва. В четвертом кластере, практически по всех категориях оказались г. Санкт-Петербург, Московская область и Краснодарский край. Построена эмпирическая оценка функции спроса на платные услуги сайта Avito и определена оптимальная цена на них .

Кроме того, построена математическая модель репутации пользователей, которая должным образом реагирует на некорректное ведение сделок продавцом, на искусственное завышение или занижение репутации другими пользователями, с целью совершения мошеннических действий или устранения конкурентов. Приведены примеры работы данной модели, которые показывают ее поведение в различных ситуациях .

–  –  –

1. Буре В. М., Екимов А. В., Свиркин М. В. Имитационная модель формирования профиля мнений внутри коллектива // Вестник Санкт-Петербургского университета. Сер. 10: Прикладная математика. Информатика. Процессы управления .

2014. № 3. С. 93–98 .

2. Среднемесячная номинальная начисленная заработная плата на одного работника по полному кругу организаций // ЕМИСС [Электронный ресурс]: URL:https://fedstat.ru/ indicator/33433 (дата обращения: 02.02.16) .

3. Численность населения по итогам Всероссийской переписи населения // ЕМИСС [Электронный ресурс]: URL:https:// fedstat.ru/indicator/37427 (дата обращения: 02.02.16) .

4. Обеспеченность россиян автомобилями за год увеличилась на 3,2% // Страховая компания – Группа АльфаСтрахование : страховые продукты для частных лиц и корпоративных клиентов [Электронный ресурс]: URL:http://www.alfastrah.ru/news/index.php?

ELEMENT_ID=721580&sphrase_id=427814 (дата обращения:

02.02.16) .

5. Средняя цена одного кв.м общей площади квартир на рынке жилья // ЕМИСС [Электронный ресурс]: URL:https:// fedstat.ru/indicator/31452 (дата обращения: 02.02.16) .

6. Количество организаций по данным государственной регистрации // ЕМИСС [Электронный ресурс]: URL:https:// fedstat.ru/indicator/42930 (дата обращения: 02.02.16) .

7. Объем платных услуг населению // ЕМИСС [Электронный ресурс]: URL:https://fedstat.ru/indicator/31280 (дата обращения: 02.02.16

8. Charu C. Aggrwal, Chandan K. Reddy Data Clustering:

Algorithms and Applications, Chapman & Hall/CRC, 2013 .

652 p .

9. Орлов А. И. Эконометрика. Учебник. М.: Экзамен, 2002 .

576 c .

10. MathWorks – Makers of MATLAB and Simulink // kmeans clustering [Электронный ресурс]: URL:https:// www.mathworks.com/help/stats/kmeans.html (дата обращения: 10.02.16) .

11. Wu F., Li H.- H., Kuo Y.- H. Reputation evaluation for choosing a trustworthy counterparty in C2C e-commerce // Electronic Commerce Research and Applications, 2011. Vol. 18, № 3, P. 428-436 .

12. Chang J.- S., Wong H.- J. Selecting appropriate sellers in online auctions through a multi-attribute reputation calculation method // Electronic Commerce Research and Applications,

2011. Vol. 10, № 2, P. 144-154 .

13. Panayotis F. A novel reputation-based model for e-commerce // Operational Research, 2013. Vol. 13, № 1, P. 113-138 .

–  –  –

Приложение 2. Реализация процессов кластеризации в MATLAB clear, clc;

Universal = xlsread(’Data for clustering.xls’, ’Лист2’) Universal(:,1) = [ ] Universal(:,1) = [ ] n = size(Universal, 1) m = size(Universal, 2) Clusters = cell(84,1) Auto = zeros(n,1) Realty = zeros(n,1) Job = zeros(n,1) Services = zeros(n,1) Others = zeros(n,1)

–  –  –

end Auto(:,1) = [ ] Realty(:,1) = [ ] Job(:,1) = [ ] Services(:,1) = [ ] Others(:,1) = [ ] Auto(n,:) = [ ] Realty(n,:) = [ ] Job(n,:) = [ ] Services(n,:) = [ ] Others(n,:) = [ ] opts = statset(’Display’,’final’);

–  –  –






Похожие работы:

«ФОРМАТЫ ДАННЫХ В МНОГОНЕЙРОННЫХ СИСТЕМАХ И ОБРАТНАЯ ИНЖЕНЕРИЯ МОЗГА В.Л. Дунин-Барковский, Отдел нейроинформатики Центра оптико-нейронных технологий НИИ системных исследований Российской академии наук, Россия, Москва wldbar@gmail.com Интернет-лаборатория...»

«МАШИНЫ ЭЛЕКТРОННЫЕ КОНТРОЛЬНО-КАССОВЫЕ ПОРТАТИВНЫЕ "МИКРО 103К", "МИКРО 104К" версия 01 Инструкция оператора БЛИЯ.466135.008-04 И3 Содержание Стр.1. Введение 4 2. Указания мер безопасности 5 3. Подготовка к работе 5 4. Описание и работа сос...»

«ПРИКЛАДНАЯ ДИСКРЕТНАЯ МАТЕМАТИКА 2014 Вычислительные методы в дискретной математике №1(23) ВЫЧИСЛИТЕЛЬНЫЕ МЕТОДЫ В ДИСКРЕТНОЙ МАТЕМАТИКЕ УДК 519.1, 519.8 ОБ АСИМПТОТИЧЕСКИ ОПТИМАЛЬНОМ ПЕРЕЧИСЛЕНИИ НЕПРИВОДИМЫХ ПОКРЫТИЙ БУЛЕВОЙ МАТРИЦЫ1 Е. В. Дюк...»

«Российская академия сельскохозяйственных наук ГНУ Всероссийский институт аграрных проблем и информатики имени А.А. Никонова УТВЕРЖДАЮ СОГЛАСОВАНО СОГЛАСОВАНО Вице-президент Россельхозакадемии Начальник Управления Академиксводного планирования секретарь и координации НИР Ушачев И.Г. отделения Лысенко Е.Г. "_" 2013 г Алту...»

«Приложение № 2 к Соглашению №/RSNet _201_ г. РЕГЛАМЕНТ РЕГИСТРАЦИИ ДОМЕНЫХ ИМЕН В ДОМЕНАХ GOV.RU, RSNET.RU 1. Основные термины Администратор сети RSNet управление информационно-телекоммуникационного обеспечения Спецсвязи ФСО России. Администрат...»

«MAGYAR TUDOMNYOS AKADMIA SZMTSTECHNIKAI S AUTOMATIZLSI KUTAT INTZETE COMPUTER AND AUTOMATION INSTITUTE, HUNGARIAN ACADEMY OF SCIENCES ИССЛЕДОВАТЕЛЬСКИЙ ИНСТИТУТ ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ И АВТОМАТИЗАЦИИ ВЕНГЕРСКОЙ АКАДЕМИИ НАУК PROBLEMS OF COMPUTER SCIENCE PROCEEDINGS OF THE JOINT...»

«УДК 621.37 УЧЕБНО-ТРЕНИРОВОЧНЫЙ КОМПЛЕКС ДЛЯ ПРОВЕДЕНИЯ ДВУХСТОРОННИХ ТАКТИЧЕСКИХ УЧЕНИЙ к.в.н. В.В. Федченко, О.И. Вотяков (представил д.т.н., проф. И.О. Кириченко) Рассматривается возможность создания учебно-тренировочного комплекса для проведения двухсторонних тактических...»




 
2019 www.mash.dobrota.biz - «Бесплатная электронная библиотека - онлайн публикации»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.