【摘 要】
：
随着互联网的迅速发展,越来越多的传统销售行业开始转向互联网营销模式。客户群体也从之前的小范围转向了更大的群体,对于商家来说,面对未知的群体,客户需求难以预测,因此商品销量趋势也变得难以掌控。商品销量预测对于电商企业来说意义重大,精准预测有助于采销人员制定出更加合理的采购方案,从而改善商品销量不稳定导致的供需不均衡问题。因此,商品销量预测在采购方案的制定中显得尤为重要。尽管时间序列预测具有广泛的现实
论文部分内容阅读
随着互联网的迅速发展,越来越多的传统销售行业开始转向互联网营销模式。客户群体也从之前的小范围转向了更大的群体,对于商家来说,面对未知的群体,客户需求难以预测,因此商品销量趋势也变得难以掌控。商品销量预测对于电商企业来说意义重大,精准预测有助于采销人员制定出更加合理的采购方案,从而改善商品销量不稳定导致的供需不均衡问题。因此,商品销量预测在采购方案的制定中显得尤为重要。尽管时间序列预测具有广泛的现实应用,但因为时间序列的统计特征通常会随时间而发生变化,从而引起了分布漂移问题,因此对于时间序列预测仍旧是一项具有挑战性的任务。本文研究了近年来时间序列预测算法以及其在商品销量预测中的使用,发现大多数方法集中于使用基于循环神经网络或Transformer改进的网络模型进行时间序列预测,整体方法较为单一,其次针对分布漂移问题,并没有较好的解决方法。为此本文从领域泛化出发,以全新的视角进行时间序列预测任务的研究。本文主要的工作在于:（1）针对分布漂移问题,提出基于高斯混合模型、贪心算法的数据分段方法。通过数据分段,可以将连续的分布差异变为离散的可计算的分布差异。分段方法主要分为两个阶段:第一阶段使用高斯混合模型以及最大熵原理对时间序列数据进行聚类处理;第二阶段使用贪心算法对分段边界进行确定。（2）提出基于双阶段注意力机制的混合模型TPA-GRU。使用领域泛化方法,通过使模型学习领域不变特性,从而使模型具有更好的泛化能力。模型搭建过程中采用了双阶段注意力机制,第一阶段使用卷积神经网络进行特征提取并使用加性注意力机制进行信息整合;第二阶段使用双向GRU模型捕捉序列的长期相关性并使用时序模式注意力机制计算不同时刻对结果的影响程度。模型在训练阶段引入权重参数,通过计算不同分布的隐状态之间的距离,在训练过程中动态调整权重参数,以更细粒度的方式控制分布的匹配程度。通过实验证明TPA-GRU混合模型相较于基准模型预测结果准确性有明显的提升。（3）设计并实现了商品销量预测系统。该系统核心模块主要是基于TPA-GRU模型进行设计并实现,利用TPA-GRU模型,对商品销量数据进行预测,并使用数据可视化的方式对其进行展示。
其他文献
由于科学技术进步和各国航天事业的蓬勃发展,更多的航天器被送到了太空,但随之产生的空间环境安全问题也不容忽视。更多的空间碎片开始占用有限的轨道资源,不但数量多,且拥有着强大的动力,如果和航天器产生撞击会造成航天器损毁甚至失灵,也会危及航天员的人身安全。空间目标监视对于维护有限的轨道资源,避免发生空间碰撞有着重要的意义。作为监视手段之一的天基光电探测,因其机动灵活的特性在空间目标监视领域有着广泛应用。
大数据时代,在面对海量数据时,常用于传统单机计算模式的数据挖掘算法往往受到存储和计算能力的制约,并行化的计算模式是应对此问题时的有效手段。并行化的计算模式可以将海量数据集分布式存储到集群的各个节点,由各节点对各自存储的数据集进行计算得到局部的结果,再将局部结果整合为最终结果,从而提升运算效率。Spark是一种基于内存计算的分布式计算框架,可以为算法并行化实现提供良好的技术支持。Spark计算框架使
遥感影像匹配就是检测遥感影像间对应的同名点的过程,是遥感影像能够成功应用于众多领域的重要前提。遥感影像中地貌特征众多,纹理信息复杂,不同地形区域具有不同的影像特性。如城市、农田等区域的遥感影像纹理具有重复性,山脉区域影像易产生非线性形变,湖泊区域影像纹理信息较弱等。因此,与其他自然场景的图像匹配相比,遥感影像匹配复杂度更高。目前遥感影像匹配常用的基于特征点的匹配方法并不完全适用于所有场景,匹配精度
随着空间技术的发展,越来越多的航天器涌入太空,空间已经成为各国争夺的宝贵资源。我国的空间站已初具规模,繁重的空间在轨操作任务对空间目标三维重建技术提出了更高的要求。太空特殊的低照度环境为基于图像序列的被动式三维重建技术带来了难题。图像质量以及鲁棒的特征提取与精确匹配是保证后续位姿估计与三维重建质量的重要前提,然而面对暗环境以及复杂光照数据集,目前已有的地面算法仍然存在很多局限性。本文研究空间目标三
随着大数据时代的快速发展,数据的规模、类型、复杂程度高速变化、高速增长使得云计算成为解决数据高效的计算与管理所必不可少的基础性设施。然而,数据在云端进行计算存储在给我们带来巨大便利的同时,也必然会伴随着不可忽视的隐私风险和安全隐患。当企事业单位将其数据外包到公有云上进行存储和计算时,其数据安全可能会受到云服务提供商侧的侵害,比如任何拥有服务器控制权的内部人员,或者在同一云上运行的恶意程序,给用户带
利用遥感卫星影像实现对目标的高精度定位是摄影测量的重要任务。本文针对遥感影像初始RPC参数精度不够、摄影测量定位过程中存在噪声以及遥感测绘领域内当前平差算法求解鲁棒性不高的问题,以经典算法同智能算法有机结合的基本思路,开展了基于神经网络的RPC参数生成方法研究,遥感影像数据的噪声特性描述研究以及基于机器学习的平差算法研究等,提升了光学遥感影像对地定位的精度。论文完成的主要工作和创新点包括:1.本文
深度学习具有卓越的性能,在计算机视觉、自然语言处理、语音识别等领域应用越来越广泛。训练一个高性能的深度学习模型通常需要大量的数据和计算资源,这给模型训练者带来了高昂的成本,因此非法的模型滥用,比如模型盗窃、衍生或再分发等行为严重侵犯了模型所有者的权益,深度学习模型的知识产权必须得到保护。深度神经网络水印技术已经被提出,是目前深度学习领域保护模型知识产权的主要技术。然而,几乎所有已提出的水印方案都只
随着大数据发展的日益迅猛,深度学习作为一种大数据处理手段得以广阔的应用,然而其收集的数据往往涉及用户各方面的隐私、敏感信息。因此,为保护数据隐私、打通数据孤岛,多方参与的深度学习应运而生。在多方深度学习中,用户在本地进行数据处理,完成模型训练,服务器聚合用户上传的模型参数得到全局模型。然而,即使用户上传的模型参数代替了传统的用户数据,模型参数仍然会对用户隐私造成威胁。因此,制定一个既能准确实现全局
随着关系数据库管理系统（Relational Database Management System,RDBMS）在企业和组织的广泛使用,当今市场对具备数据库素养的人才需求日益增长。虽然许多高校已将数据库作为本科计算机专业学位课程,但依然有许多使用RDBMS的在职人员未参加过数据库课程,因此,他们往往需要通过参加在职培训以获取相关数据库知识。对于学习者而言,进修此类课程的一个重要目标是在实践中理解R
随着互联网药品交易B证、C证审批的取消,长期以来的医药电子商务资质门槛被打破,众多医药公司、物流公司以及互联网公司纷纷布局医药电子商务,传统医药流通企业G公司顺应“互联网+”发展和医药行业变革的大背景,建立以B2B模式为主的医药电子商务平台。放开审批、行业竞争变激烈的同时,医药电子商务平台运营管理存在的问题也在G公司B2B平台中频频暴露出,如活跃客户占比持续低迷、物流配送效能低和“线上运营线下交易