2023年MathorCup大数据竞赛B题电商零售商家需求预测及库存优化问题 思路论文

国外相关论文,持续更新

零售业的消费者行为：使用深度神经网络的下一个逻辑购买

预测未来的消费者行为是最具挑战性的问题之一 适用于大型零售公司。准确预测消费者购买模式 实现更好的库存规划和高效的个性化营销 策略。最佳库存计划有助于最大限度地减少 缺货/冗余库存和智能个性化营销策略 确保顺畅愉快的购物体验。消费者购买预测 ML研究人员通常以常规方式解决问题， 通过推荐系统或传统的 ML 方法。这样的建模 在预测消费者购买模式方面，方法不能很好地推广。在 本文，我们介绍了我们对消费者购买行为的研究，其中，我们 建立一个数据驱动的框架来预测消费者是否会 使用电子商务零售数据在特定时间范围内购买商品。自 对这种关系进行建模，我们为所有人创建一个顺序的时间序列数据 相关的消费品组合。然后我们构建广义非线性 通过在使用者、物品和时间的交集处生成特征来建模。 我们通过试验不同的神经来展示强大的性能 网络架构、ML 模型及其组合。我们介绍 60 个具有不同超参数的建模实验的结果以及 堆叠泛化集成和 F1 最大化框架。然后我们介绍 多层感知器等神经网络架构的好处， 长短期记忆 （LSTM）、时间卷积网络 （TCN） 和 TCN-LSTM带来了Xgboost和RandomForest等ML模型。