文献

J-GLOBAL ID：202202213304610885   整理番号：22A0788163

改良勾配ブースティング決定木アルゴリズムに基づく顧客購買予測【JST・京大機械翻訳】

Customer Purchase Prediction Based on Improved Gradient Boosting Decision Tree Algorithm

著者 (2件)： Wu Haotian (School of Economics and Management, Beijing Jiaotong University,Beijing,China) ,  Li Bohua (School of Economics and Management, Beijing Jiaotong University,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCECE  ページ： 795-798  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： インターネット取引の数の急速な拡大により,顧客の購入行動の予測は,正確なマーケティング戦略を開発し,投資の収益を改善するために,電子商取引会社の重要な補助となっている。一般的に,顧客の購入行動に関連するデータは,大きな大きさと高次元の特徴を持っている。コンパニーは,これらのデータのために特徴工学を実行する際に,高いコストを費やす必要があるが,特徴工学の品質は保証できない。したがって,改良勾配ブースティングディシジョンツリーアルゴリズム,GBDT-NNを本論文で提案した。GBDTの訓練を通して,特徴および特徴組合せを自動的にスクリーニングし,そして,人工ニューラルネットワークを用いて,スクリーニング結果をさらに処理し,それにより,より複雑で非線形の特徴を,より良いモデル性能を得るために適応的に学習することができた。本研究では,このアルゴリズムの有効性を実際の顧客購入行動データセットで検証した。実験結果は,試験セットにおけるGBDT-NNの精度が96.3%であり,それはGBDTアルゴリズムと比較して10.6%改善されることを示した。GBDT-NNの試験AUCは0.99であり,それはGBDTアルゴリズムと比較して15.9%改善された。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *購買 ,  ニューラルネットワーク ,  *ディシジョンツリー ,  高次元 ,  有効性 ,  市場戦略 ,  スクリーニング ,  インターネット ,  電子商取引
準シソーラス用語： *ブースティング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 勾配ブースティング ,  決定木 ,  アルゴリズム ,  顧客 ,  購買 ,  予測