基于时序特征提取的用户群体划分模型

作者：郭晓军; 王云峰^*; 朱亮

来源：中国电子科学研究院学报, 2021, 16(06): 592-598.

• 用户
• 时序特征提取
• 卷积神经网络
• 重构损失
• 聚类

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。

• 单位
  中国铝业集团有限公司