基于机器学习的客户智能识别技术研究

发布时间：2021-05-10 03:43

　　近年来,国内外贸企业充分利用国际互联网（Internet）查找世界各地的外贸需求信息和开展外贸业务,促进了对外贸易规模和水平的持续提升。然而,当前外贸企业主要依靠人工从互联网上爬取和识别外贸客户信息,其成本高、识别效率低、准确度差已严重限制了外贸企业的高速发展和规模的可持续性发展,急需采用新一代人工智能技术替代传统基于人工的客户信息识别流程。论文关注外贸客户智能化识别方法,在深入调研当前外贸客户识别技术需求的基础上,引入新一代人工智能技术和机器学习方法,研究对从互联网上爬取的海量潜在客户信息进行准确、高效识别。为解决传统基于单模型的客户智能识别算法中文本语义信息表示不准确的问题,首先,论文创新提出了一种基于多文本表示模型的客户智能识别算法,采用基于加权改进的GloVe（Global20Vectors20for20Word20Representation,GloVe）模型与BERT（Bidirectional20Encoder20Representations20from20Transformers,BERT）模型,并行的对文本数据进行向量化表示,从而使得语境信息得到增强。同时,改进的G... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 机器学习技术研究现状
        1.2.2 客户识别研究现状
    1.3 研究目的及内容
    1.4 本文组织安排
第二章 相关理论与技术
    2.1 数据挖掘理论
        2.1.1 数据挖掘特征
        2.1.2 数据挖掘主要对象
        2.1.3 数据挖掘处理过程
    2.2 词向量化技术
    2.3 文本分类技术
    2.4 本章小结
第三章 基于多文本表示模型的客户智能识别算法
    3.1 算法原理及处理流程
    3.2 基于加权改进GloVe模型的文本表示方法
        3.2.1 GloVe模型的研究
        3.2.2 GloVe模型的改进设计
    3.3 基于BERT模型的文本表示方法
        3.3.1 BERT模型的研究
        3.3.2 BERT模型的文本表示
    3.4 基于语境融合的文本表示算法
    3.5 基于Ave BG-RF模型的客户识别
        3.5.1 随机森林模型
        3.5.2 Ave BG-RF模型的设计
    3.6 主要参数与评价指标
    3.7 本章小结
第四章 性能对比实验与评估
    4.1 实验环境与数据
    4.2 参数设置与测试方法
    4.3 性能对比实验及分析
        4.3.1 基于Ave GloVe模型的文本表示对比实验
        4.3.2 基于BERT模型的文本表示对比实验
        4.3.3 基于Ave BG模型的文本表示对比实验
        4.3.4 实验对比分析
    4.4 本章小结
第五章 客户识别系统的设计与实现
    5.1 客户识别系统需求分析
        5.1.1 整体需求
        5.1.2 数据采集需求
        5.1.3 数据处理需求
        5.1.4 模型需求
        5.1.5 数据存储需求
    5.2 客户识别系统总体架构设计
        5.2.1 系统开发方法
        5.2.2 系统总体架构设计
    5.3 客户识别系统模块设计与实现
        5.3.1 数据采集模块
        5.3.2 数据处理模块
        5.3.3 模型模块
        5.3.4 数据存储模块
    5.4 客户识别系统测试
        5.4.1 实现环境与工具
        5.4.2 系统测试及分析
    5.5 本章小节
第六章 总结与展望
    6.1 全文总结
    6.2 后续工作展望
致谢
参考文献


【参考文献】：
期刊论文
[1]以客户需求为导向的定制终端潜在客户挖掘模型研究[J]. 魏国华,康志英.  信息安全与技术. 2014(03)
[2]基于SVM的Web日志挖掘及潜在客户发现[J]. 过蓓蓓,方兆本.  管理工程学报. 2010(01)

硕士论文
[1]基于数据挖掘的移动客户预测及分析[D]. 王昱元.长安大学 2016



本文编号：3178608