Modello del Gruppo d Acquisto

Documenti analoghi
Tecniche di Composizione Personalizzata

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Facoltà di Ingegneria. Corso di Sistemi di Controllo di Gestione SCG-E04

Introduzione al Machine Learning

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

La contabilità analitica nelle aziende agrarie

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Valutazione dei Benefici interni

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

ISTRUZIONE OPERATIVA:

Economia del turismo

NUMERI GRANDI DI FIBONACCI come trovare velocemente i loro esatti valori numerici Cristiano Teodoro

LE FREQUENZE CUMULATE

VISUALIZZAZIONE INTERATTIVA DI SUPERFICI CON JAVAVIEW

Elementi di statistica

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

PORTALE CLIENTI GUIDA INTRODUTTIVA RAPIDA

POR FESR Sardegna Asse VI Competitività BANDO PUBBLICO. Voucher Startup Incentivi per la competitività delle Startup innovative

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

Corso di Economia Applicata

COMANDO PROVINCIALE VIGILI DEL FUOCO DI MILANO ALLEGATA AL PROGETTO DI LAVORI DI COSTRUZIONE NUOVA PALESTRA SCOLASTICA POLIVALENTE

Intorduzione alla teoria delle Catene di Markov

Potenzialità degli impianti

ESERCIZIO N. 1. b) rendimenti reali dell azienda Gesis e del portafoglio di mercato:

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

Modelli decisionali su grafi - Problemi di Localizzazione

ISTRUZIONE OPERATIVA:

CARATTERISTICHE DEI SEGNALI RANDOM

6. Catene di Markov a tempo continuo (CMTC)

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry

Corso di Architettura (Prof. Scarano) 25/03/2002

Approfondimento Capitolo 4. Definizioni esistono due tipi di grandezze in economia

Variabili statistiche - Sommario

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

CAPITOLO 3 CIRCUITI DI RESISTORI

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO

AVVISO PUBBLICO Costituzione di short list: Servizio di pulizie presso l Istituto di Ricerca Biogem s.c.ar.l. Via Camporeale, Ariano Irpino (AV)

Statistica e calcolo delle Probabilità. Allievi INF

Soluzione esercizio Mountbatten

InfoCenter Product A PLM Application

Le decisioni di gruppo in materia di trasporti: teorie, modelli, applicazioni Romeo Danielis e Lucia Rotaris

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

CONFORMITA DEL PROGETTO

La soluzione delle equazioni differenziali con il metodo di Galerkin

Algebra Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Principi di ingegneria elettrica. Lezione 2 a

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

PIANIFICAZIONE DEI TRASPORTI

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Grafi ed equazioni topologiche

FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE

1 La domanda di moneta

Il Ministro delle Infrastrutture e dei Trasporti

Telefoni Avaya T3 collegabile a Integral 5 Configurazione e utilizzo sala conferenze Integrazione del manuale utente

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive

GAZZETTA UFFICIALE DELLA REPUBBLICA ITALIANA Serie generale - n ALLEGATO 1 (Allegato A, paragrafo 2)

Le obbligazioni: misure di rendimento e rischio La curva dei rendimenti per scadenze

8.2 CORSO DI FORMAZIONE

PARENTELA e CONSANGUINEITÀ di Dario Ravarro

Giovanni Buti STIMA DELL INCERTEZZA DI MISURA GB INTERTEK LABTEST

INDAGINE ESAUSTIVA O CAMPIONARIA?

Verifiche di congruità tecnica delle offerte rispetto ai margini

Statistica descrittiva

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

DIPARTIMENTO TEMATICO RADIAZIONI Struttura Semplice Radiazioni ionizzanti

MISURA DELLA FOCALE POSTERIORE DI UNA LENTE BICONVESSA.

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

3) Entropie condizionate, entropie congiunte ed informazione mutua

Macchine. 5 Esercitazione 5

Metodologie informatiche per la chimica

Metodologia per l individuazione di aree e linee critiche sulla rete in alta e altissima tensione ai sensi della delibera ARG/elt 99/08 e s.m.i.

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

IL RUMORE NEGLI AMPLIFICATORI

Rappresentazione dei numeri

PROBLEMA DI SCELTA FRA DUE REGIMI DI

Segmentazione di immagini

Hansard OnLine. Unit Fund Centre Guida

Allegato A. Modello per la stima della produzione di una discarica gestita a bioreattore

MACROECONOMIA A.A. 2014/2015

COLLUSIONE NELLE GARE D APPALTO DEI SERVIZI PUBBLICI LOCALI: Un analisi empirica

V n. =, e se esiste, il lim An

B - ESERCIZI: IP e TCP:

Questo è il secondo di una serie di articoli, di

ELETTRONICA dei SISTEMI DIGITALI Universita di Bologna, sede di Cesena. Fabio Campi

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

Esercizi sulle reti elettriche in corrente continua (parte 2)

Scenari di frenata per il comparto elettrico: il nodo della valorizzazione del prodotto

McGraw-Hill. Tutti i diritti riservati. Caso 11

Transcript:

InVMall - Intellgent Vrtual Mall Modello del Gruppo d Acqusto Survey L attvtà svolta per la realzzazone dell attvtà B7 Defnzone del Gruppo d Acqusto e de Relatv Algortm d Inferenza, prevsta dal captolato all nterno dell obettvo realzzatvo B, ha avuto come obettvo la defnzone d un modello teorco che descrve l gruppo d acqusto, ovvero un gruppo d clent del mall che hanno nteress analogh, e le tecnche/algortm d nferenza per la deduzone delle nformazon mplcte del gruppo stesso, al fne d fornre funzonaltà nnovatve per gl utent del sstema. Il documento n oggetto llustra l modello realzzato che, come mostrato n Fgura 1, è naturalmente relazonato con gl altr modell teorc defnt n InVMall, n partcolare quello del domno da cu rcava le nformazon su prodott e le categore, e quello d vendta, da cu rcava le nformazon sul vendtor. Fgura 1 Relazon con gl altr modell teorc Il modello presenta la defnzone d due tpologe d gruppo: Il gruppo tematco che rappresenta un aggregazone d utent ntorno al tema del gruppo. Tale tema è defnto come una o pù categore d prodotto (defnte nel modello del domno) o l sngolo prodotto; Il gruppo d acqusto d prodotto che rappresenta un aggregazone d utent nteressat all acqusto d un determnato prodotto proposto da un vendtore al fne d ottenere un vantaggo economco (tpcamente uno sconto sgnfcatvo sul prezzo d lstno). Per ognuna delle tpologe d gruppo sono state defnte le nformazon esplcte, coè quelle dcharate espressamente dall utente, e quelle mplcte, coè estratte con apposte tecnche. MoMA Pagna 1/6

InVMall - Intellgent Vrtual Mall Per l gruppo tematco, oltre alla defnzon delle nformazon esplcte qual nome, descrzone, tema ecc., l modello prevede le seguent nformazon mplcte per le qual sono state defnte le tecnche per calcolarle: Utltà potenzale d un nuovo gruppo tematco: l sstema, analzzando le preferenze (esplcte ed mplcte) degl utent, ndca qual possono essere grupp tematc da creare rtenut potenzalmente utl per gl utent; Utltà del gruppo tematco per l utente: l sstema calcola l ndce d utltà del gruppo tematco rspetto agl utent; Utltà del gruppo tematco per un prodotto: l sstema calcola l ndce d utltà del gruppo tematco rspetto a prodott. Sntetcamente, l processo d calcolo dell utltà potenzale d un gruppo tematco, s basa sul seguente flusso: - 1 step Identfcazone de tem canddat; - 2 step - Calcolo dell utltà parzale de tem canddat; - 3 step - Flterng e rankng de tem canddat. L dentfcazone de tem canddat consste nel selezonare prodott per qual non esste gà un gruppo tematco drettamente correlato ed è stata realzzata utlzzando la tecnca d Fuzzy Formal Concept Analyss. Tale tecnca è basata su una teora matematca che permette d costrure una gerarcha de concett espress da un fuzzy formal context, d oggett (.e. prodott e/o tem esstent) e attrbut (.e., categore), descrtto attraverso una matrce booleana. In dettaglo la tecnca segue seguent pass: Costruzone del Fuzzy Formal Context; Costruzone del Fuzzy Lattce. Fgura 2 Lattce estratto MoMA Pagna 2/6

InVMall - Intellgent Vrtual Mall Alla fne del processo l fuzzy lattce costruto (ved esempo n Fgura 2) conterrà l nseme d tem canddat selezonat. Per ogn tem canddato ne verrà calcolata l utltà parzale dstnguendo cas per qual l tema è rappresentato dal sngolo prodotto oppure da una o pù categore. Nel prmo caso s utlzzerà la formula seguente: u parzale ( T ) u U u( p ) dove T = p (prodotto -esmo), U ={u 1,, u n } l nseme d utent del mall e u(p ) è l utltà Utente/Prodotto defnta nel modello del clente. Nel caso, nvece, n cu l tema è composto da una o pù categore l sstema tene conto d due fattor: ratng mplcto delle sngole categore che compongono l tema (calcolat nel Modello del Domno) che vengono utlzzate per calcolare l ratng medo (r medo ) del tema smlartà tra tem canddat e tem esstent. U In questo modo l utltà parzale vene calcolata con la seguente formula u parzale ( T ) r ( T ) sm( T, Tˆ) medo L ultmo passo per l calcolo dell utltà potenzale consste nel fltrare e classfcare (con un punteggo) tem canddat ndvduat. Dopo aver calcolato l utltà parzale, l sstema fltra rsultat estraendo tutt que tem (.e., categore) l cu valore d utltà parzale è superore ad un certo valore d threshold, τ, prefssato. Infne, per calcolare l utltà potenzale, l sstema terrà conto degl utent potenzalmente nteressat a quel tema (# utent ) utlzzando la seguente formula: u ( T ) u ( T ) # parzale Ordnando n ordne decrescente tal valor, s ottene l rankng de tem canddat. utent Il processo d calcolo dell utltà del gruppo tematco per l utente, nvece, è basato sull aggregazone pesata degl Indc d utltà (descrtto nel modello del clente) degl utent rspetto a prodott classfcat con le categore appartenent alle tematche del gruppo, come llustrato sntetcamente n Fgura 3. MoMA Pagna 3/6

InVMall - Intellgent Vrtual Mall Fgura 3 Schema del calcolo dell utltà potenzale del gruppo tematco per un utente Nel caso del gruppo tematco l cu tema concde con una categora o un nseme d categore, per calcolare l utltà potenzale s consdera l nseme de prodott che appartengono alla categora/nseme d categore selezonate, ordnandol n base al numero d categore che coprono rspetto a quelle selezonate (nel caso d gruppo tematco su un nseme d categore). Qund selezonando prm n prodott estratt s va a calcolare, per ogn utente, un utltà meda facendo la somma delle utltà per ogn prodotto selezonato e dvdendo per l numero d prodott. Tutto questo vene sntetzzato nella seguente formula: data u (p) la funzone d utltà del prodotto p per l utente u defnta nel modello clente, la funzone d utltà del gruppo tematco G rspetto all utente U j (e coè l valore nserto nella poszone, j della matrce d adacenza) è calcolata come: u,j = u (p y ) / m p y P ed m è la cardnaltà d P Banalmente nel caso d un gruppo tematco l cu tema concde con un prodotto specfco, l utltà potenzale equvale all utltà del prodotto rspetto agl utent del mall (matrce d adacenza Utente/Prodotto defnta nel modello del Clente). Il processo d calcolo dell utltà del gruppo tematco per un prodotto, nfne, è basato sull aggregazone dell ndce d utltà degl utent che partecpano al gruppo tematco rspetto al prodotto n questone, pesato rspetto alle categore con cu l prodotto è classfcato e rspetto al fatto che esse faccano parte o meno della tematca del gruppo. Il processo è llustrato grafcamente n Fgura 4. MoMA Pagna 4/6

InVMall - Intellgent Vrtual Mall Fgura 4 Schema del calcolo dell utltà del gruppo tematco per un prodotto La funzone d utltà tra l Gruppo Tematco -esmo e l prodotto j-esmo (qund l elemento n poszone, j della matrce d adacenza Gruppo Tematco/prodotto) sarà calcolato come segue: p,j = weght(pj) * uk(pj) / m uk U,s ed m è la cardnaltà d U,s Analogamente, per l gruppo d acqusto d prodotto, oltre alla defnzon delle nformazon esplcte qual nome, descrzone, prodotto n vendta ecc., l modello prevede le seguent nformazon mplcte per le qual sono state defnte le tecnche per calcolarle: Utltà potenzale d un gruppo d acqusto d prodotto Utltà del gruppo d acqusto d prodotto per un clente Utltà del gruppo d acqusto d prodotto rspetto ad un gruppo tematco Le prme due utltà vengono calcolate utlzzando l ndce d preferenza clente/prodotto calcolato nel modello clente mentre l ultma vene calcolata utlzzando l calcolo dell utltà del gruppo tematco rspetto al prodotto oggetto del gruppo d acqusto d prodotto che è un nformazone mplcta calcolata per l gruppo tematco. Nel documento vengono presentat, a ttolo esemplfcatvo, esemp d utlzzo d alcune delle tecnche per l calcolo delle nformazon mplcte descrtte sopra al fne d fornre funzonaltà avanzate al sstema qual: Suggerment personalzzat d grupp tematc agl utent del sstema Suggerment d grupp d acqusto d prodotto ne grupp tematc MoMA Pagna 5/6

InVMall - Intellgent Vrtual Mall Infne sono presentate delle lnee guda alla rappresentazone del modello, che rporta alcune consderazon volte a gudare le scelte tecnologche da applcare, eventualmente, nelle successve fas mplementatve per la rappresentazone del modello del gruppo d acqusto. Concludendo, tale modello consente d rappresentare l aggregazone d clent con nteress analogh e fornsce tecnche che consentono d desumere, a partre dalle nformazon esplcte, le nformazon mplcte utl per la realzzazone de servz nnovatv che InVMall ntende offrre. MoMA Pagna 6/6