Прогнозирование спортивных событий с помощью нейронных сетей
Введение
Современное общество, вошедшее в стадию информационного, постиндустриального, характеризует рост ценности информационных технологий и коммуникаций.
Информатизация коснулась большого количества областей жизни общества: от использования в служебных целях для автоматизации основной деятельности до сферы продаж, предоставления услуг (наличный оборот постепенно вытесняют платежные системы), традиционные магазины отдают долю рынка Интернет-системам, широкое распространение также получают государственные услуги в электроном виде. Личная жизнь людей в настоящее время также связана с влиянием информационных технологий посредством социальных сетей.
В настоящее время большая часть человечества не представляет своей жизни без использования мессенджеров и социальных сетей, все больше личной информации становится доступной для просмотра в данных сервисах.
В связи с этим, актуальность приобретает вопрос проведения анализа профилей пользователей с использованием социальных сетей.
Введение 4
1.Исследовательский раздел 6
1.1. Анализ процесса прогнозирования спортивных событий с помощью нейронных сетей 6
1.2. Анализ программных продуктов прогнозирования спортивных событий с помощью нейронных сетей 17
1.2.1 Система анализа социальных сетей RADIAN6 18
1.2.2 Система анализа социальных сетейALTERIAN SM2 19
1.2.3 Система анализа социальных сетейRECORDEDFUTURE 21
1.2.4 Система «PALANTIR» (КОРПОРАЦИЯ PALANTIR) 22
1.3. Постановка задачи 24
2. Специальный раздел 39
2.1. Разработка механизма прогнозирования спортивных событий с помощью нейронных сетей 39
2.2. Разработка алгоритма механизма прогнозирования спортивных событий с помощью нейронных сетей 45
2.3. Разработка структуры механизма прогнозирования спортивных событий с помощью нейронных сетей 63
3. Технологический раздел 75
3.1. Информационное обеспечение 75
3.2. Программное обеспечение 75
3.3. Техническое обеспечение 86
Заключение 90
Список использованных источников 92
Список использованных источников
Портрет личности пользователя социальной сети. [Электронный ресурс]. Режим доступа: http://www.chaskor.ru/article/akkaunt_polzovatelya_-_tsifrovoj_otpechatok_lichnosti_32639
Психологическая оценка личности по аккаунту в социальных сетях. [Электронный ресурс]. Режим доступа: http://psyresearchdigest.blogspot.ru/2013/11/otsenka-lichnosti-po-aktivnosti-v-sotsialnykh-setyakh-ili-Big-Data-prikhodyat-psikhologiyu.html
Kosinski, M., Stillwell, D., & Graepel, T. (2013). Private traits and attributes are predictable from digital records of human behavior. Proceedings of the National Academy of Sciences, 110(15), 5802–5805.
Система AlterianSM2. [Электронный ресурс]. Режим доступа: https://www.alterian.com/
Система «Radian 6». [Электронный ресурс]. Режим доступа: http://www.tadviser.ru/index.php/%D0%9A%D0%BE%D0%BC%D0%BF%D0%B0%D0%BD%D0%B8%D1%8F:Radian6
Система BRANDSPOTTER.[Электронный ресурс]. Режим доступа: https://brandspotter.ru/project
Система «RECORDEDFUTURE». [Электронный ресурс]. Режим доступа: https://www.recordedfuture.com/
Характеристики социальных сетей. В контакте. [Электронный ресурс]. Режим доступа: http://yavkontakte.ru/xarakteristiki-socialnyx-setej.html
Информатика: учебник для студентов вузов, обучающихся по специальности 080801 "Прикладная информатика" и другим экономическим специальностям /[В. В. Трофимов и др.] ; под ред. проф. В. В. Трофимова.-М.: Юрайт, 2010.-910 с.
Информационные системы и технологии в экономике и управлении: [учеб. для вузов по специальности "Прикладная информатика (по обл.)" и др. экон. специальностям] /[В. В. Трофимов и др.] ; под ред. В. В. Трофимова.-М.: Высш. образование, 2010.-480 с.
Кластерный анализ — один из методов многомерной статистики — наиболее ярко отражает черты многомерности в процедуре классификации объектов. Название «кластерный анализ» происходит от английского слова «cluster» — гроздь, скопление. Впервые определил предмет кластерного анализа и дал его описание исследователь Трион (Тгуоп) в 1939 г. [3].
Главное назначение кластерного анализа — разбиение множества исследуемых объектов, характеризуемых совокупностью признаков*, на однородные в соответствующем понимании группы (кластеры). Это означает, что решается задача классификации данных и выявления соответствующей структуры в ней. Иными словами, предполагается выделение компактных, удаленных друг от друга групп объектов или отыскание «естественного» разбиения совокупности на области скопления.
Кластерный анализ является одним из направлений статистического исследования социально-экономических процессов, которые связаны с изучением массовых явлений.
Для проведения анализа профиля методом кластерного анализа, кроме проведения сбора информации, необходимо провести классификацию: на какое количество кластеров необходимо провести разделение данных и каким методом провести определение степени сходства в данных. Существует много разных мер сходства, наиболее употребительными из них являются порядка десяти[5].