為突破傳統(tǒng)預(yù)測方法在小樣本數(shù)據(jù)下電商產(chǎn)品銷量預(yù)測中精度較低的局限,開展基于集成學(xué)習(xí)Xgboost的預(yù)測模型研究。綜合考慮影響電商產(chǎn)品銷量的多維指標(biāo),包括:在線搜索、在線評論、頁面訪問、庫存與訂購量、情緒指數(shù)等并利用熵值法融合同類指標(biāo)。應(yīng)用Logistic函數(shù)和正則修正項,結(jié)合貪心算法劃分子樹,構(gòu)建基于集成學(xué)習(xí)Xgboost的電商產(chǎn)品銷量預(yù)測模型。針對京東商城的聯(lián)想zuk z2手機(jī)產(chǎn)品進(jìn)行模型檢驗,并與BP神經(jīng)網(wǎng)絡(luò)、SVM支持向量機(jī)、BP-SVM組合預(yù)測三個模型進(jìn)行對比,發(fā)現(xiàn)融合多維指標(biāo)的Xgboost預(yù)測模型的精度顯著提高,為小樣本數(shù)據(jù)下電商產(chǎn)品銷量預(yù)測提供方法和思路。 

【文章來源】：計算機(jī)工程與應(yīng)用. 2019,55(15)北大核心CSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 相關(guān)工作
3 電商產(chǎn)品銷量預(yù)測指標(biāo)體系構(gòu)建
    3.1 電商產(chǎn)品情緒指數(shù)計算
        3.1.1 基于LSTM的電商產(chǎn)品評論情感傾向分析
        3.1.2 情緒指數(shù)計算
    3.2 多維指標(biāo)融合
4 基于集成學(xué)習(xí)Xgboost的電商產(chǎn)品銷量預(yù)測模型
    4.1 預(yù)測函數(shù)定義
    4.2 目標(biāo)函數(shù)定義
    4.3 模型學(xué)習(xí)過程
    4.4 模型優(yōu)化過程
5 實驗與分析
    5.1 產(chǎn)品指標(biāo)處理
        5.1.1 產(chǎn)品評論情感傾向分析
        5.1.2 產(chǎn)品評論情緒指數(shù)計算
        5.1.3 產(chǎn)品多維指標(biāo)融合
    5.2 Xgboost模型參數(shù)求解
    5.3 Xgboost模型預(yù)測結(jié)果分析
6 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]在線初次評論與在線追加評論對商品銷量影響的比較研究[J]. 石文華,王璐,繩娜,蔡嘉龍.  管理評論. 2018(01)
[2]基于Xgboost的商業(yè)銷售預(yù)測[J]. 葉倩怡,饒泓,姬名書.  南昌大學(xué)學(xué)報(理科版). 2017(03)
[3]哪些因素影響消費者的在線購買決策?——顧客感知價值的驅(qū)動作用[J]. 李宗偉,張艷輝,欒東慶.  管理評論. 2017(08)
[4]產(chǎn)品銷量影響服務(wù)需求的產(chǎn)品服務(wù)供應(yīng)鏈定價及協(xié)調(diào)策略[J]. 但斌,婁云,韓小鵬,張旭梅.  系統(tǒng)管理學(xué)報. 2017(02)
[5]在線用戶評論質(zhì)量與評論者等級對消費者購買意愿的影響——產(chǎn)品卷入度的調(diào)節(jié)作用[J]. 朱麗葉,袁登華,張靜宜.  管理評論. 2017(02)
[6]網(wǎng)絡(luò)口碑對產(chǎn)品銷量的影響:基于細(xì)粒度的情感分析方法[J]. 孟園,王洪偉,王偉.  管理評論. 2017(01)
[7]基于Box-Cox轉(zhuǎn)換的集成跨項目軟件缺陷預(yù)測方法[J]. 王莉萍,陳翔,王秋萍,趙英全.  計算機(jī)應(yīng)用研究. 2017(07)
[8]在線評論有用性的影響因素研究:基于產(chǎn)品類型的調(diào)節(jié)效應(yīng)[J]. 張艷輝,李宗偉.  管理評論. 2016(10)
[9]電子商務(wù)市場產(chǎn)品多元化戰(zhàn)略的銷售績效及驅(qū)動因素研究[J]. 鄭云堅,程熙鎔,王丹.  北京交通大學(xué)學(xué)報(社會科學(xué)版). 2016(04)
[10]基于LSTM網(wǎng)絡(luò)的序列標(biāo)注中文分詞法[J]. 任智慧,徐浩煜,封松林,周晗,施俊.  計算機(jī)應(yīng)用研究. 2017(05)



本文編號：3331810