科研之友
微信
新浪微博
Facebook
分享链接
摘要
车货匹配平台中存有大量的历史车货数据，通过这些历史数据可以分析获得司机对不同货物的兴趣度，预测司机所选取货物的种类（司机点击率预测），从而为司机推荐合适的货物，实现精准的车货匹配。然而，现有的车货匹配方法大多都忽视了历史车货数据，更不会处理和分析这些数据。因此，文章考虑到深度学习在数据处理上的优势，于是将深度学习和车货匹配方法相结合，提出了一种考虑注意力机制并基于SENet双塔模型的司机点击率预测模型——A-SENet双塔模型。具体来讲，就在双塔模型的大框架下，一方面利用SENet计算货物隐向量；另一方面利用Attention机制和SENet计算司机隐向量，并通过进一步计算得出司机点击货物的概率。通过某车货匹配平台的数据集进行实验，结果表明与基准模型相比，文章所提出的模型A-SENet双塔模型具有更好的性能，这不仅验证了利用深度学习进行车货匹配的可行性，而且表明注意力机制和SENet的使用有助于预测司机点击货物的概率。
- 单位
