期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于卷积神经网络和LSTM循环神经网络的客户复购预测方法 被引量:3
1
作者 施海昕 诸建超 +2 位作者 严骏驰 程栋 刘云锋 《高技术通讯》 CAS 2021年第7期713-722,共10页
通常一个销售代表会有数百名客户。销售代表无法定量预测哪位客户最近有下单需求,所以多采用轮询或者主观直觉的方式决定每天的回访客户名单。本文以深度学习的思路,把销售代表的历史回访记录作为输入数据,以卷积神经网络(CNN)和循环神... 通常一个销售代表会有数百名客户。销售代表无法定量预测哪位客户最近有下单需求,所以多采用轮询或者主观直觉的方式决定每天的回访客户名单。本文以深度学习的思路,把销售代表的历史回访记录作为输入数据,以卷积神经网络(CNN)和循环神经网络(RNN)为基础模型,让模型学习客户复购行为的内在逻辑以便指导初级销售代表的每日回访工作。相对传统回访策略,在深度学习算法辅助下的回访策略可以把回访相对成功率提高120%,取得了显著的效果。 展开更多
关键词 循环神经网络(RNN) 长短期记忆网络(LSTM) 卷积神经网络(CNN) 深度学习
下载PDF
基于朴素贝叶斯和GBDT的提前采购决策模型 被引量:1
2
作者 施海昕 《信息与电脑》 2023年第6期107-111,共5页
电子元器件供应链服务中,传统流程无差别地对所有客户订单型号确认客户交易意愿,导致启动采购的时机存在滞后性,增加了交易失败的风险。为了对高可信的交易提前启动采购流程,分别使用朴素贝叶斯和梯度提升决策树(Gradient Boosting Deci... 电子元器件供应链服务中,传统流程无差别地对所有客户订单型号确认客户交易意愿,导致启动采购的时机存在滞后性,增加了交易失败的风险。为了对高可信的交易提前启动采购流程,分别使用朴素贝叶斯和梯度提升决策树(Gradient Boosting Decision Tree,GBDT)两种算法预测最终能进入采购流程的订单型号。结果表明,使用朴素贝叶斯算法的正样本召回率为74.65%,负样本召回率为63.51%,略低于业务负责人的预定目标;而使用GBDT算法的正样本召回率为84.99%,负样本召回率为76.07%,达到了业务负责人的预定目标。 展开更多
关键词 朴素贝叶斯 梯度提升决策树(GBDT) 决策模型
下载PDF
基于有限状态机的Invoice收票自动化系统
3
作者 施海昕 周雪峰 +1 位作者 陈凯 刘云锋 《微型电脑应用》 2020年第11期86-89,共4页
传统发票识别通常拿纸质发票扫描再采用OCR识别,识别准确率为80%至90%。而由于本案使用Word或者Excel格式转化成的pdf格式发票,文件保留了完整的字符信息和一些相对固定的格式信息。以编译原理的思维,把发票转化成的文本看作为一种编程... 传统发票识别通常拿纸质发票扫描再采用OCR识别,识别准确率为80%至90%。而由于本案使用Word或者Excel格式转化成的pdf格式发票,文件保留了完整的字符信息和一些相对固定的格式信息。以编译原理的思维,把发票转化成的文本看作为一种编程语言,再用有限状态机去识别。实验结果表明,准确率可达99%以上,获得了满意的效果。 展开更多
关键词 有限状态机 发票识别 编译原理
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部