近年來,國內外貿企業(yè)充分利用國際互聯(lián)網(wǎng)（Internet）查找世界各地的外貿需求信息和開展外貿業(yè)務,促進了對外貿易規(guī)模和水平的持續(xù)提升。然而,當前外貿企業(yè)主要依靠人工從互聯(lián)網(wǎng)上爬取和識別外貿客戶信息,其成本高、識別效率低、準確度差已嚴重限制了外貿企業(yè)的高速發(fā)展和規(guī)模的可持續(xù)性發(fā)展,急需采用新一代人工智能技術替代傳統(tǒng)基于人工的客戶信息識別流程。論文關注外貿客戶智能化識別方法,在深入調研當前外貿客戶識別技術需求的基礎上,引入新一代人工智能技術和機器學習方法,研究對從互聯(lián)網(wǎng)上爬取的海量潛在客戶信息進行準確、高效識別。為解決傳統(tǒng)基于單模型的客戶智能識別算法中文本語義信息表示不準確的問題,首先,論文創(chuàng)新提出了一種基于多文本表示模型的客戶智能識別算法,采用基于加權改進的GloVe（Global20Vectors20for20Word20Representation,GloVe）模型與BERT（Bidirectional20Encoder20Representations20from20Transformers,BERT）模型,并行的對文本數(shù)據(jù)進行向量化表示,從而使得語境信息得到增強。同時,改進的G... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 機器學習技術研究現(xiàn)狀
        1.2.2 客戶識別研究現(xiàn)狀
    1.3 研究目的及內容
    1.4 本文組織安排
第二章 相關理論與技術
    2.1 數(shù)據(jù)挖掘理論
        2.1.1 數(shù)據(jù)挖掘特征
        2.1.2 數(shù)據(jù)挖掘主要對象
        2.1.3 數(shù)據(jù)挖掘處理過程
    2.2 詞向量化技術
    2.3 文本分類技術
    2.4 本章小結
第三章 基于多文本表示模型的客戶智能識別算法
    3.1 算法原理及處理流程
    3.2 基于加權改進GloVe模型的文本表示方法
        3.2.1 GloVe模型的研究
        3.2.2 GloVe模型的改進設計
    3.3 基于BERT模型的文本表示方法
        3.3.1 BERT模型的研究
        3.3.2 BERT模型的文本表示
    3.4 基于語境融合的文本表示算法
    3.5 基于Ave BG-RF模型的客戶識別
        3.5.1 隨機森林模型
        3.5.2 Ave BG-RF模型的設計
    3.6 主要參數(shù)與評價指標
    3.7 本章小結
第四章 性能對比實驗與評估
    4.1 實驗環(huán)境與數(shù)據(jù)
    4.2 參數(shù)設置與測試方法
    4.3 性能對比實驗及分析
        4.3.1 基于Ave GloVe模型的文本表示對比實驗
        4.3.2 基于BERT模型的文本表示對比實驗
        4.3.3 基于Ave BG模型的文本表示對比實驗
        4.3.4 實驗對比分析
    4.4 本章小結
第五章 客戶識別系統(tǒng)的設計與實現(xiàn)
    5.1 客戶識別系統(tǒng)需求分析
        5.1.1 整體需求
        5.1.2 數(shù)據(jù)采集需求
        5.1.3 數(shù)據(jù)處理需求
        5.1.4 模型需求
        5.1.5 數(shù)據(jù)存儲需求
    5.2 客戶識別系統(tǒng)總體架構設計
        5.2.1 系統(tǒng)開發(fā)方法
        5.2.2 系統(tǒng)總體架構設計
    5.3 客戶識別系統(tǒng)模塊設計與實現(xiàn)
        5.3.1 數(shù)據(jù)采集模塊
        5.3.2 數(shù)據(jù)處理模塊
        5.3.3 模型模塊
        5.3.4 數(shù)據(jù)存儲模塊
    5.4 客戶識別系統(tǒng)測試
        5.4.1 實現(xiàn)環(huán)境與工具
        5.4.2 系統(tǒng)測試及分析
    5.5 本章小節(jié)
第六章 總結與展望
    6.1 全文總結
    6.2 后續(xù)工作展望
致謝
參考文獻


【參考文獻】：
期刊論文
[1]以客戶需求為導向的定制終端潛在客戶挖掘模型研究[J]. 魏國華,康志英.  信息安全與技術. 2014(03)
[2]基于SVM的Web日志挖掘及潛在客戶發(fā)現(xiàn)[J]. 過蓓蓓,方兆本.  管理工程學報. 2010(01)

碩士論文
[1]基于數(shù)據(jù)挖掘的移動客戶預測及分析[D]. 王昱元.長安大學 2016



本文編號：3178608