以NBI， E2EMN， MFCC從交易資料萃取特徵值進行產品推薦之研究;Encoding Transaction Data with Nbi， E2emn and Mfcc to Perform Recommendation

NCU Institutional Repository > 管理學院 > 企業管理學系 > 研究計畫 > Item 987654321/94074

請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/94074

題名:	以NBI， E2EMN， MFCC從交易資料萃取特徵值進行產品推薦之研究;Encoding Transaction Data with Nbi， E2emn and Mfcc to Perform Recommendation
作者:	許秉瑜
貢獻者:	國立中央大學企業管理學系
關鍵詞:	推薦系統深度學習交易資料;Network Bipartite Inference;Memory Network;Mel Frequency Cepstral Coefficient;recommender system
日期:	2024-09-27
上傳時間:	2024-09-30 15:51:26 (UTC+8)
出版者:	國家科學及技術委員會(本會)
摘要:	本計畫研究成果首先將驗證交易資料是否可較精準的預測消費者購買行為。本計畫也將會驗證NBI與GRU 及self-attention 整合是否可設計出有效的推薦系統。在計畫中也將會驗證基於信任理論推導的公式是否可有效描述消費者對產品的看法，並結合End-to-End Memory Network 改善對消費者喜好的描述。本計畫也驗證將銷售資料經由MFCC轉換後所獲得的產品特色與原特色整合後是否可以有效改善產品推薦準確度。如果這個方法可以驗證通過，將可以大幅改善所有商品的推薦效果。本研究的成果將可協助所有銷售通路挑選客戶、調整客戶溝通策略及產品推薦方式。
關聯:	財團法人國家實驗研究院科技政策研究與資訊中心
顯示於類別:	[企業管理學系] 研究計畫

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	37	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing