基于多层感知-灰狼优化卷积神经网络的跨境智能营销管理模型的优化设计
Zongping Lin1, Jing Yang2, Yabin Lian3
1School of Economics and Management, Quanzhou University of Information Engineering, Quanzhou, 362008, Fujian, China.
Scientific reports
|February 11, 2025
概括
这项研究引入了一种新的跨境智能营销模式,MLP-GWO-CNN,通过整合用户评级和标签来增强个性化的建议. 该模型显著提高了电子商务的营销准确性和个性化.
科学领域:
- 人工智能的人工智能
- 机器学习 机器学习
- 电子商务分析 电子商务分析
背景情况:
- 传统的线性模型在复杂的跨境营销场景中扎着隐含信息,限制了个性化.
- 现有的方法往往无法有效地从稀疏和复杂的用户/市场数据中提取高阶特征.
研究的目的:
- 开发一个先进的跨境智能营销模型,以提高个性化和准确性.
- 解决传统模型在处理隐性信息和复杂数据方面的局限性.
主要方法:
- 提出了一种双路径深度网络:多层感知器 (MLP) 用于用户兴趣特征和卷积神经网络 (CNN) 用于语义标签特征.
- 集成的灰狼优化 (GWO) 来优化MLP,减轻对初始值和局部最佳值的敏感性.
- 来自MLP和CNN的融合隐性特征向量用于最终的预测营销策略生成.
主要成果:
- 在一个真正的跨境电子商务数据集上,MLP-GWO-CNN模型在传统推算法上表现出优越的性能.
- 实现了超过89%的准确性和90%的回忆率,表明有效利用用户标签信息.
- 显著提高了营销建议的准确性和个性化性.
结论:
- 拟议的MLP-GWO-CNN模型通过提取隐含的高级信息,有效地处理复杂,稀疏的营销数据.
- 整合MLP,GWO和CNN为个性化跨境智能营销提供了一个强大的解决方案.
- 该模型显示了通过先进的机器学习技术来增强电子商务营销策略的巨大潜力.
