Прогнозування динаміки пошукових запитів із використанням гібридної моделі Transformer–GRU для задач SEO-оптимізації

Abstract

UK: Об’єкт дослідження – процес прогнозування часових рядів пошукових запитів. Предмет дослідження – гібридні моделі глибинного навчання для аналізу та прогнозування динаміки пошукових запитів. Мета роботи – розробка та дослідження гібридної моделі Transformer–GRU для підвищення точності прогнозування даних Google Trends у задачах SEO-оптимізації. Методи дослідження – методи машинного та глибинного навчання, аналіз часових рядів, експериментальне моделювання. У роботі реалізовано програмний комплекс TrendsAI та проведено порівняльний аналіз точності прогнозування за різними метриками. EN: Object of study – forecasting processes of search query time series. Subject of study – hybrid deep learning models for analysis and forecasting of search query dynamics. Purpose of the work – development and investigation of a hybrid Transformer–GRU model to improve forecasting accuracy of Google Trends data for SEO optimization tasks. Research methods – machine learning and deep learning methods, time series analysis, experimental modeling. The thesis presents the TrendsAI software system and a comparative evaluation of forecasting accuracy using different metrics.