Array
(
    [ID] => 347
    [IBLOCK_ID] => 3
    [NAME] => LLM_DESCRIPTION
    [ACTIVE] => Y
    [SORT] => 500
    [CODE] => LLM_DESCRIPTION
    [DEFAULT_VALUE] => Array
        (
            [TYPE] => TEXT
            [TEXT] => 
        )

    [PROPERTY_TYPE] => S
    [ROW_COUNT] => 1
    [COL_COUNT] => 30
    [LIST_TYPE] => L
    [MULTIPLE] => N
    [XML_ID] => 
    [FILE_TYPE] => 
    [MULTIPLE_CNT] => 5
    [LINK_IBLOCK_ID] => 0
    [WITH_DESCRIPTION] => N
    [SEARCHABLE] => N
    [FILTRABLE] => N
    [IS_REQUIRED] => N
    [VERSION] => 2
    [USER_TYPE] => HTML
    [USER_TYPE_SETTINGS] => Array
        (
            [height] => 200
        )

    [HINT] => 
    [~NAME] => LLM_DESCRIPTION
    [~DEFAULT_VALUE] => Array
        (
            [TYPE] => TEXT
            [TEXT] => 
        )

    [VALUE_ENUM] => 
    [VALUE_XML_ID] => 
    [VALUE_SORT] => 
    [VALUE] => 
    [PROPERTY_VALUE_ID] => 34206:347
    [DESCRIPTION] => 
    [~DESCRIPTION] => 
    [~VALUE] => 
)
Общество

Соцсети предскажут место отдыха человека

Ученые НИТУ «МИСиС» разработали математическую модель, которая сможет прогнозировать следующее местоположение человека, основываясь на его текущих публикациях в Twitter

29.10.2019 16:07:14


					
Соцсети предскажут место отдыха человека
Соцсети предскажут место отдыха человека Фото: pixabay.com

Алгоритм потенциально полезен представителям туристического бизнеса, так как позволит предсказывать востребованность курортов в отпускной период. 

Социальные сети – неотъемлемая часть жизни огромного количества людей: каждый день они делают публикации, делятся фотографиями и местоположением, участвуют в обсуждениях. Ученые НИТУ «МИСиС» нашли способ прогнозировать следующее местоположение пользователей соцсети Twitter на основании твиттов с «вшитой» геолокацией. Алгоритм основан на методах машинного обучения (ML) и анализе больших данных (Big Data)

«Мы использовали не только открытые данные о путешествиях, но и о личностях самих путешественников. Сначала мы извлекли из данных все геотегируемые твиты (твиты с информацией о местоположении) и категоризировали. Из случайного набора 5000 профилей пользователей разных европейских стран (Франция, Германия, Швеция, Испания, Италия, Швейцария, Польша, Греция и многие другие) было выложено более 800 тысяч твитов. При отборе данных наиболее посещаемыми в поездках категориями оказались  «Еда», «Ночные клубы», «Вокзалы», «Церкви», «Морские пляжи». Для каждой категории мы подготовили отдельный набор данных», – комментирует руководитель исследования, директор Института информационных бизнес-систем НИТУ «МИСиС» Марина Нежурина.

По словам ученых, прогноз можно конкретизировать: для этого требуется собрать такие параметры, как гражданство, возраст и  пол пользователей. Следующий этап работы – анализ и построение моделей с помощью ансамбля методов машинного обучения, пояснили в пресс-службе вуза.