期刊专题

10.3778/j.issn.1002-8331.2202-0067

基于LSTM-RELM组合模型的电商GMV预测研究

引用
随着互联网的发展,内容营销逐渐成为电商营销的主流,而该类营销的日商品交易总额(gross merchandise volume,GMV)直接关系到企业的库存优化控制与广告投放策略.为了提高预测精度,基于真实电商订单数据集,根据内容营销的指标,分析用户行为对于GMV的影响,提出了一种长短期记忆网络(long short-term memory network,LSTM)与正则化极限学习机(regularized extreme learning machine,RELM)的组合模型LSTM-RELM.实验结果表明,相比于传统单一模型与双LSTM、LSTM-SVR、GM(1,1)-BP等组合模型,LSTM-RELM模型具有更精确的预测效果与更快的运行速度,能为相关销售企业提供广告投放策略参考与库存优化建议.

长短期记忆网络(LSTM)、极限学习机(ELM)、GMV预测、组合预测

59

TP389.1(计算技术、计算机技术)

上海市科技创新行动计划项目19DZ1209600

2023-05-30(万方平台首次上网日期,不代表论文的发表时间)

共7页

321-327

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

59

2023,59(10)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn