《基于深度学习的线上农产品销量预测模型研究》阅读笔记

http://blog.csdn.net/u011239443/article/details/78135388

ICM模型

文中提出的 model- Imperial Crown Model(short for ICM)简单讲就是用自动编码器将权值初始化，然后反向传播优化模型。

关于自动编码器可以参阅：http://blog.csdn.net/u011239443/article/details/76692801#t1

网络结构图：



算法具体实现步骤：



流程图：



个人感觉，从模型上本文就是套用了深度学习中的普通的模型，对比本文中提到的其他模型的确比较新，但本质上没有具体业务上的创新点。

本文中提到的其他模型相关论文可以参阅的有：

[1] 殷春武. GM(1, 1)在商品销量预测上的运用[J]. 中国商贸, 2010 (28):

246-247.

[2] 岑詠霆. 销量预测的改进型灰色预测 GM(1, 1)模型研究[J]. 工业工程与

管理, 2013, 18(1): 37-41.

[3] 毕建涛, 魏红芹. 改进的 BP 神经网络及其在销量预测中的应用[J]. 山

东理工大学学报: 自然科学版, 2011, 25(6): 29-33.

[4] 洪鹏, 余世明. 基于时间序列分析的自动售货机销量预测[J]. 计算机科

学, 2015, 42(6A): 122-124.

[5] 刘俊娥, 慕柠咛, 刘丙午. 固有模态 SVM 预测模型在零售销量预测中

的应用[J]. 物流技术, 2013, 32(11): 76-78, 97.

特征工程

农产品属性参数的选择

农产品属性参数主要有发货地、收藏量、好评率、价格、销量。

买家个人因素

买家个人因素主要有性别、年龄、收货地、成交时间。

推广渠道

搜索引擎、社交平台、邮件、信息、无

具体特征如何抽取，可见论文。综上所述用 V 表示输入特征向量，则向量可表示为 V=[ p、add_de、add_sh、t、sex、age、pro_ch、col、fav_r]，向量维度为 9。

将销量（s）按值域划分，根据 s 生成四类输出向量 Z={低销量=1，中销量=2，畅销

=3，火爆=4}。

个人认为，首先特征抽取的过程还是比较传统、麻烦，不像是再做深度学习；其次，向量维度才9个，对于深度学习来说太少。