近年來(lái),國(guó)內(nèi)外貿(mào)企業(yè)充分利用國(guó)際互聯(lián)網(wǎng)（Internet）查找世界各地的外貿(mào)需求信息和開(kāi)展外貿(mào)業(yè)務(wù),促進(jìn)了對(duì)外貿(mào)易規(guī)模和水平的持續(xù)提升。然而,當(dāng)前外貿(mào)企業(yè)主要依靠人工從互聯(lián)網(wǎng)上爬取和識(shí)別外貿(mào)客戶信息,其成本高、識(shí)別效率低、準(zhǔn)確度差已嚴(yán)重限制了外貿(mào)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(shù)替代傳統(tǒng)基于人工的客戶信息識(shí)別流程。論文關(guān)注外貿(mào)客戶智能化識(shí)別方法,在深入調(diào)研當(dāng)前外貿(mào)客戶識(shí)別技術(shù)需求的基礎(chǔ)上,引入新一代人工智能技術(shù)和機(jī)器學(xué)習(xí)方法,研究對(duì)從互聯(lián)網(wǎng)上爬取的海量潛在客戶信息進(jìn)行準(zhǔn)確、高效識(shí)別。為解決傳統(tǒng)基于單模型的客戶智能識(shí)別算法中文本語(yǔ)義信息表示不準(zhǔn)確的問(wèn)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(shí)別算法,采用基于加權(quán)改進(jìn)的GloVe（Global20Vectors20for20Word20Representation,GloVe）模型與BERT（Bidirectional20Encoder20Representations20from20Transformers,BERT）模型,并行的對(duì)文本數(shù)據(jù)進(jìn)行向量化表示,從而使得語(yǔ)境信息得到增強(qiáng)。同時(shí),改進(jìn)的G... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 機(jī)器學(xué)習(xí)技術(shù)研究現(xiàn)狀
        1.2.2 客戶識(shí)別研究現(xiàn)狀
    1.3 研究目的及內(nèi)容
    1.4 本文組織安排
第二章 相關(guān)理論與技術(shù)
    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(duì)象
        2.1.3 數(shù)據(jù)挖掘處理過(guò)程
    2.2 詞向量化技術(shù)
    2.3 文本分類技術(shù)
    2.4 本章小結(jié)
第三章 基于多文本表示模型的客戶智能識(shí)別算法
    3.1 算法原理及處理流程
    3.2 基于加權(quán)改進(jìn)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(jìn)設(shè)計(jì)
    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(yǔ)境融合的文本表示算法
    3.5 基于Ave BG-RF模型的客戶識(shí)別
        3.5.1 隨機(jī)森林模型
        3.5.2 Ave BG-RF模型的設(shè)計(jì)
    3.6 主要參數(shù)與評(píng)價(jià)指標(biāo)
    3.7 本章小結(jié)
第四章 性能對(duì)比實(shí)驗(yàn)與評(píng)估
    4.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)
    4.2 參數(shù)設(shè)置與測(cè)試方法
    4.3 性能對(duì)比實(shí)驗(yàn)及分析
        4.3.1 基于Ave GloVe模型的文本表示對(duì)比實(shí)驗(yàn)
        4.3.2 基于BERT模型的文本表示對(duì)比實(shí)驗(yàn)
        4.3.3 基于Ave BG模型的文本表示對(duì)比實(shí)驗(yàn)
        4.3.4 實(shí)驗(yàn)對(duì)比分析
    4.4 本章小結(jié)
第五章 客戶識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    5.1 客戶識(shí)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(chǔ)需求
    5.2 客戶識(shí)別系統(tǒng)總體架構(gòu)設(shè)計(jì)
        5.2.1 系統(tǒng)開(kāi)發(fā)方法
        5.2.2 系統(tǒng)總體架構(gòu)設(shè)計(jì)
    5.3 客戶識(shí)別系統(tǒng)模塊設(shè)計(jì)與實(shí)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(chǔ)模塊
    5.4 客戶識(shí)別系統(tǒng)測(cè)試
        5.4.1 實(shí)現(xiàn)環(huán)境與工具
        5.4.2 系統(tǒng)測(cè)試及分析
    5.5 本章小節(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)


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

碩士論文
[1]基于數(shù)據(jù)挖掘的移動(dòng)客戶預(yù)測(cè)及分析[D]. 王昱元.長(zhǎng)安大學(xué) 2016



本文編號(hào)：3178608