Научный архив: статьи

НЕЙРОННЫЕ ПРОЦЕССЫ ХОУКСА ДЛЯ ОЦЕНКИ ПАРАМЕТРОВ ИНТЕНСИВНОСТИ И ОПТИМИЗАЦИИ МАРКЕТИНГОВЫХ СТРАТЕГИЙ В УСЛОВИЯХ ОГРАНИЧЕННОГО ДОСТУПА К ДАННЫМ (2025)

Статья посвящена разработке интерпретируемой нейронной модели на основе процессов Хоукса с механизмами внимания для анализа динамики прослушиваний музыкальных произведений на цифровых платформах. В работе обосновывается актуальность оценки эффективности маркетинговых стратегий в условиях ограниченного доступа к данным, вызванного регуляторными ограничениями. Рассмотрены текущие проблемы сбора и обработки информации, включая временные метки событий и категориальные переменные, такие как источник прослушивания, возрастная группа и время суток. Изучены эмпирические исследования пользовательского поведения, выделены группы «специалистов», «генералистов» и интенсивных пользователей, подчеркивающие необходимость учета разнообразия потребления и эффектов самовозбуждения.

Детально проанализирована эконометрическая модель повторяющегося дискретного выбора, представлена динамика спроса как агрегированного счетчика событий с учетом доли пересматривающих потребителей и эндогенных факторов. Охарактеризованы ограничения традиционных подходов, включая модели Pareto/NBD и классические процессы Хоукса, связанные с независимостью событий и экспоненциальным ростом параметров. Выделены преимущества предлагаемой модели, интегрирующей векторные представления и трансформерную архитектуру для захвата самовозбуждения и ингибирования.

Важным моментом исследования выступает методология, включающая предобработку данных, моделирование интенсивности с расширением на маркированные события, разделение на обучающую и валидационную выборки, оценку качества через остаточный анализ и метрики регрессии. Представлены механизмы раздельного обучения категорий событий и оценки важности независимых переменных через веса внимания. Статья содержит анализ ядер воздействия, суммарного влияния типов событий и оптимальных временных лагов. Планируемые результаты отражены в таблицах и диаграммах, демонстрирующих асимметрию влияний и практическую ценность для оптимизации кампаний.

Сделаны выводы о способности модели преодолевать ограничения данных, обеспечивая точное прогнозирование динамики поведения и симуляцию сценариев. Непрерывный анализ интенсивности позволит выявить эффекты лояльности и насыщения, способствуя повышению отдачи от маркетинговых вложений в цифровой экономике. Диагностика временной структуры отклика определит возможности адаптивных стратегий, четко очерчивая границы воздействия модели на оптимизацию таргетинга.

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ ПОПУЛЯРНОСТИ МУЗЫКИ: ОБЗОР ПОДХОДОВ И МЕТОДОВ (2024)

В статье представлен комплексный обзор современных методов исследования популярности музыкальных произведений, включая статистические, временные и нейросетевые подходы. Рассматриваются регрессионные модели с фиксированными эффектами, модели выживания, нестационарные пуассоновские процессы и системы уравнений Лотки-Вольтерры, а также алгоритмы STL-декомпозиции и нейронные сети (LSTM-RPA). Обсуждаются их преимущества и ограничения в анализе динамики прослушиваний, влияния плейлистов и конкурентного взаимодействия жанров. Основное внимание уделено анализу их преимуществ и недостатков в контексте поставленных задач - прогнозирования долгосрочных изменений в популярности композиций, оценки влияния плейлистов и динамики конкуренции жанров. На основании проведённого анализа автор приходит к выводу, что для прогнозирования наиболее эффективно применение моделей LSTM-RPA благодаря их способности минимизировать накопление ошибок. Авторский вклад заключается в предложении нового подхода: адаптации гибридной методики, объединяющей нейросетевые модели и временные ряды, для учёта контекстуальных факторов, таких как влияние социальных трендов и маркетинговой активности, что позволяет существенно повысить универсальность и точность прогнозов.