文档名：基于深度学习LSTM的电商销量预测研究
针对电商销量预测中,小样本时间序列预测准确度低等问题,综合考虑历史交易、用户搜索行为及用户评论对销量的影响,提出将长短期记忆深度神经网络引入到电商销量预测中,构建基于LSTM的电商销量预测模型,深入挖掘电商销量时间序列中的规律,提高短期时间序列预测的精度.实证结果表明与传统的机器学习预测模型相比,该模型具有较好的预测效果,为电商销量短期预测提供了方法思路,同时验证深度学习在电商效率预测方面的可行性.
作者：武玉英严勇何喜军蒋国瑞
作者单位：北京工业大学经济与管理学院,北京100124
母体文献：信息系统协会中国分会第七届学术年会论文集
会议名称：信息系统协会中国分会第七届学术年会
会议时间：2017年10月20日
会议地点：上海
主办单位：中国系统工程学会,信息系统协会中国分会
语种：chi
分类号：F83TP1
关键词：电子贸易 销量预测 长短期记忆神经网络 时间序列
在线出版日期：2020年7月21日
基金项目：
相似文献
相关博文
- 文件大小:
- 803.84 KB
- 下载次数:
- 60
-
高速下载
|
|
