基于时序特征提取的用户群体划分模型

摘要：

随着铝、铜等有色金属产品供需的不断增加,产生了对应的电子商务智慧采购交易平台-智慧采购系统,并积累了大量的数据.根据供应商的历史交易数据,分析求购者需求和供应商之间的相关性,可以促使电子商务智慧采购交易平台更好的为用户提供精细化服务.由于交易数据量庞大且繁杂,直接利用原始交易数据进行分析,不仅浪费计算资源,还存在特征信息冗余的情况.针对该任务本文提出基于时序特征提取的用户群体划分模型,利用神经网络实现供应商交易行为的多角度特征提取;同时为了使学习到的特征能够尽可能的包含足够充分的信息,文中在训练过程中以重构损失作为模型的优化目标,从而有效建模供应商的交易行为.以该特征提取结果为基础,可以利用聚类方法实现对供应商群体的有效划分,从而为用户的细粒度分析奠定基础.在真实数据上丰富的对比实验证明了此模型具有最佳划分性能.

关键词：用户;时序特征提取;卷积神经网络;重构损失;聚类

所属期刊栏目：16

分类号：TP391.4;TP18(计算技术、计算机技术)

在线出版日期：2021-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：592-598