Система моніторингу та аналізу відгуків у соціальних мережах для формування рекомендацій купівлі товарів

Abstract

Стрімке зростання обсягів даних та кількості відвідувачів мережі Інтернет створили проблему надлишковості інформації, що перешкоджає своєчасному доступу до необхідних ресурсів. Інформаційно-пошукові системи частково вирішили цю проблему, але пріоритетність та персоналізація інформації були відсутні. Це посприяло значному попиту на системи рекомендацій. Вони потрібні для допомоги користувачам, коли система повинна прийняти рішення, беручи за основу той факт, що в звичайному житті люди часто приймають рішення, виходячи з рекомендацій інших [1]. Система рекомендацій купівлі товарів буде використовуватись клієнтами для пошуку відповідного товару. Вибір якого є вкрай важливим, адже вибравши поганий товар можна втратити гроші та витратити даремно багато часу, тому рекомендаційна система допоможе уникнути небажаних інцидентів, а саме, буде аналізувати відгуки про товари та на основі них, будувати список рекомендованих товарів. Метою цієї роботи є створення системи моніторингу та аналізу відгуків у соціальних мережах для формування рекомендацій купівлі товарів, спрямованих на полегшення вибору потрібного товару. Основними завданнями, які вирішуються у роботі є: • опис, аналіз перспектив та особливості досліджуваної предметної області; • проведення аналізу відомих засобів вирішення проблеми; • проведення системного аналізу та моделювання предметної області; • побудова моделей, вибір та обґрунтування методів розв’язання задачі ; • проектування, розробка та тестування платформи для системи моніторингу та аналізу відгуків у соціальних мережах для формування рекомендацій купівлі товарів; • проведення економічного аналізу програмного продукту. Об’єктом дослідження є процес формування рекомендацій купівлі товарів. Предметом дослідження є моніторинг та засоби аналізу відгуків для формування рекомендацій купівлі товарів. Система моніторингу та аналізу відгуків буде використовуватись клієнтами для пришвидшення та полегшення пошуку необхідної продукції на ресурсах електронної комерції. Вдалий вибір якісного товару є вкрай важливим, оскільки це економить час пошуку та гроші. Аналізуючи коментарі у мережі, інформаційна система рекомендує продукт при переважанні позитивних відгуків на нього. У роботі було проведено системний аналіз для системи моніторингу та аналізу відгуків у соціальних мережах, було здійснене розроблення концептуальної моделі. Проведено моделювання вимог проекту , побудовано дерево цілей, визначено критерії, які висуваються при визначенні цілей та поставлено цілі. За допомогою методу аналізу ієрархій було визначено, що тип розроблюваного продукту – система підтримки прийняття рішень. В якості прототипу системи формування рекомендацій на основі аналізу відгуків було використано системи, які застосовуються у сфері електронної комерції. Наприклад, система рекомендацій онлайн магазину Rozetka, яка здатна розумно аналізувати та передбачати переваги покупців, щоб запропонувати їм список рекомендованих продуктів. Проте, алгоритм Rozetka вибирає рекомендовані продукти для кожного користувача на основі їхніх попередніх покупок, взаємодії та оцінок інших представлених товарів і поєднує їх з подібними товарами, які переглядають користувачі зі схожими вподобаннями та інтересами. В основу розробленої системи прийняття рішень покладено алгоритм аналізу настроїв (sentimental analysis algorithm)[2] за допомогою логістичної регресії. Логістична регресія – це модель класифікації, яку дуже легко реалізувати та яка дуже добре працює на лінійно роздільних класах. Це один із найпоширеніших алгоритмів класифікації, що робить його привабливим для роботи. Логістична регресія є хорошою моделлю, бо вона дуже швидко навчається незважаючи на великі набори даних і гарантує дуже надійні результати. Головна перевага логістичної регресії полягає в тому, що її набагато легше налаштувати та навчити, ніж інші програми машинного навчання та штучного інтелекту. Ще одна перевага полягає в тому, що це один із найефективніших алгоритмів, коли різні результати або відмінності, представлені даними, лінійно розділяються. Це означає, що можна провести пряму лінію, що розділяє результати обчислення логістичної регресії. Створена система дозволить кожній людині, яка є в пошуку покупки товару, отримати якісну рекомендацію за лічені секунди, що збереже затрачений на пошук час та дозволить знаходити товар за бажаними критеріями. Від такої рекомендаційної системи потрібно очікувати наступні ефекти: • економічний – система допоможе зекономити гроші клієнтам, порекомендувавши дешевші та не менш якісні товари; • функціональний – автоматизація пошуку товару за заданими критеріями на основі аналізу відгуків про товари; • фінансовий – планується, що користування системою буде платним, що буде приносити певний дохід розробникам; • часовий – економія часу для людини, яка шукає товар, адже без даної системи, на це можна затратити і до декількох годин.

The rapid growth of data volumes and the number of Internet visitors has created the problem of information redundancy, which prevents timely access to the necessary resources. Information and search systems partially solved this problem, but prioritization and personalization of information were missing. This has contributed to a significant demand for recommender systems. They are needed to help users when the system needs to make a decision, based on the fact that in everyday life people often make decisions based on the recommendations of others [1]. The product purchase recommendation system will be used by customers to find a suitable product. The choice of which is extremely important, because by choosing a bad product you can lose money and waste a lot of time, so the recommendation system will help to avoid unwanted incidents, namely, it will analyze product reviews and build a list of recommended products based on them. Goal of research is to create a system for monitoring and analyzing feedback in social networks to form recommendations for the purchase of goods aimed at facilitating the selection of the desired product. The main tasks that are solved in the work are: • description, analysis of perspectives and features of the studied subject area; • conducting an analysis of known means of solving the problem; • system analysis and modeling of the subject area; • models construction, selection and justification of problem solving methods; • design, development and testing of a platform for a system of monitoring and analysis of reviews in social networks for purchase recommendations; • economic analysis of the software product. Study object – the process of forming recommendations for the purchase of goods. The subject of the study is the process of monitoring and means of reviews analysis for the formation of recommendations for the purchase of goods. System of monitoring and analysis will be used by customers to speed up and facilitate the search for the necessary products on e-commerce resources. The successful selection of a quality product is extremely important, as it saves time and money in the search. Analyzing comments on the network, the information system recommends the product if there is a preponderance of positive feedback on it. In the work, a system analysis was carried out for the system of monitoring and analysis of reviews in social networks, a conceptual model was developed. Modeling of the project requirements was carried out, a tree of goals was built, the criteria put forward when defining goals were determined, and goals were set. Using the method of analysis of hierarchies, it was determined that the type of product under development is a decision support system. Systems used in the field of e-commerce were used as a prototype of the system for generating recommendations based on analysis of reviews. For example, the recommendation system of the online store Rozetka, which is able to intelligently analyze and predict the preferences of customers to offer them a list of recommended products. However, Rozetka's algorithm selects recommended products for each user based on their previous purchases, interactions and ratings of other featured products and matches them with similar products viewed by users with similar preferences and interests. The basis of the developed decision-making system is the sentiment analysis algorithm [2] using logistic regression. Logistic regression is a classification model that is very easy to implement and works very well on linearly separable classes. It is one of the most common classification algorithms, which makes it attractive to work with. Logistic regression is a good model because it learns very quickly despite large data sets and guarantees very reliable results. The main advantage of logistic regression is that it is much easier to set up and train than other machine learning and artificial intelligence programs. Another advantage is that it is one of the most efficient algorithms when the different results or differences represented by the data are linearly separated. This means that you can draw a straight line separating the results of the logistic regression calculation. The created system will allow every person who is looking to buy a product to receive a quality recommendation in a matter of seconds, which will save the time spent on searching and will allow finding the product according to the desired criteria. The following effects should be expected from such a recommendation system: • economical - the system will help customers save money by recommending cheaper and equally high-quality products; • functional – automation of product search according to specified criteria based on analysis of product reviews; • financial - it is planned that the use of the system will be paid, which will bring some income to the developers; • time-saving for a person looking for a product, because without this system, it can take up to several hours.