品牌丰富度与社交媒体依赖性视角下消费者品牌识别研究

本文采用实证研究和心理实验的方法,探讨了社交媒体依赖性和品牌信息对消费者品牌识别的影响。结果表明:社交媒体依赖性正向影响消费者品牌识别度。品牌信息丰富度正向影响消费者品牌识别度。相对于品牌标志和宣传语,在品牌信息更丰富的广告的刺激下,消费者品牌识别度更高。最后本文对所得结果进行讨论并指出未来的研究方向。

消费者网购生鲜农产品行为分析

为了更好地分析消费者网购生鲜农产品的行为,对网购消费者的特征从理论视角进行识别,结果表明:第一,生鲜农产品网络销售的潜力,取决于消费者网络购买的能力;第二,生鲜农产品网购市场的大小及成长速度,也就是市场的大小与潜力,是生鲜农产品电商竞争力形成的刺激。

面向社会媒体的消费意图识别:任务、挑战与机遇

社会媒体是一个基于用户关系的信息分享、传播以及获取平台,并实现即时分享。在社会媒体上产生了大量的用户发布的,对于诸如产品购买、喜好等有价值的消费需求信息。这些关于产品需求的信息表达了人们的各种消费意愿和消费需求。例如,"请推荐一款2 000块钱左右的诺基亚手机"即为用户的一种消费需求。类似这样的信息为公司或企业提供了有价值的信息。本文以此介绍了面向社会媒体的消费意图识别这一任务的诞生背景、要解决的主要问题、面临的主要挑战、相关工作以及未来的研究方向。

面向微博用户的消费意图识别算法

利用迁移学习的方法,融合京东问答平台数据与少量已标注的微博数据构建训练集,提出一种基于注意力机制的双向长短期记忆神经网络(Attentional-Bi-LSTM)模型,用于识别用户的隐性消费意图。针对显性意图识别问题,提出一种结合TF-IDF(termfrequency-inversedocumentfrequency)与句法分析中动宾关系(VOB)的消费意图对象提取算法。实验结果表明,通过将迁移京东问答平台的数据与微博数据相融合,可以有效地扩充训练集,在此基础上训练的神经网络分类模型具有较高的准确率和召回率;融合VOB和TF-IDF的显性消费意图对象提取方法的准确率达到78.8%。

基于查询日志的消费意图挖掘分析

随着互联网的普及,在线广告成为人们生活中不可缺少的一部分。而用户在搜索行为中包含了大量的内容丰富的信息,这些信息中有相当数量都表现了用户的消费意图。本文在进行了充分的预处理后,在数据上进行特征的分析和抽取,利用SVM分类器结合抽取出的特征进行测试,提出对用户搜索的消费意图具有较高的区分能力的方法。

一种基于全连接神经网络的卷烟消费新流量识别模型

为了简单、准确地识别烟草消费新流量,推动烟草行业高质量发展,本文结合深度学习理论,提出了一种基于全连接神经网络(FCNN)的卷烟消费新流量识别模型。首先,数据集的建立与数据预处理。调查烟草消费流量数据(包括消费者基本信息、所抽烟的基本信息以及品牌映像等量化数据),建立数据集;从数据清洗、数据集成以及数据变换三个角度对数据进行预处理,为本文提供数据支持。其次,构建模型。使用全连接神经来构建新流量识别模型。模型的输入为卷烟的消费流量特征,输出是否为新流量;并使用训练集对神经网络卷积层模型进行训练。最后,模型的优化、评估和测试。通过对神经网络各参数的优化调整、增加训练集数据以及增加网络深度进一步优化模型,提高模型的识别准确性,准确率达到98.44%;根据模型的性能和泛化能力对模型进行评估,其损失值为0.0282根据神经网络卷积层模型,可以得出对应年龄下消费者喜欢的香烟类型、口味、种类及喜爱度,根据喜爱度判断出何种种类的香烟可以成为吸引新流量。

Internet结合短信息实现免注册快速小额网上支付

通过对现有网上支付的常用手段的分析,提出一种免注册、结合个人通信短信息业务实现Internet在线快速小额支付的解决方法。本方法优点在于:无须注册,按次消费,按次结算,消费方所要做的只是选定消费项目然后使用手机发送一次短信息即可,方便快捷,安全可靠。

聊天机器人中用户出行消费意图识别方法

聊天机器人中的出行消费意图是指用户为了满足出行的需要,通过文本表达出对出行类产品或者服务的购买意愿.识别出用户的消费意图可以进行相应的产品推荐,增强用户体验.传统的消费意图识别主要使用基于模板匹配或者基于人工特征集合的机器学习方法,这类方法费时费力,扩展性不强.本文将出行消费意图识别任务看成一个分类问题,结合深度学习方法识别用户的出行消费意图,该方法不需要人工构造特征集合或匹配模板.具体而言,本文构建了基于卷积的长短期记忆神经网络(Convolutional-LSTM)模型进行出行消费意图识别,首先通过卷积神经网络(CNN)对用户的聊天文本进行特征抽取,随后进行特征组合并送入长短记忆神经网络(LSTM)进行特征表示学习,最后输出分类结果.实验结果表明,在出行消费意图识别任务上,基于Convolutional-LSTM的模型在F值上优于最好的基线方法 2个百分点.

TIHF-I非接触芯片及其电子标签简介

标签简介：TI是美国德州仪器公司的简称，TI生产的RFID非接触式系列电子标签在世界市场上一直居于领导的地位，尤其在汽车晶片防盗器的应用方面，拥有超过40％的市场，畜牧业拥有70％的市场，其它如停车场管理系统、电子门锁、巡逻器也有超过50％的市场占有率，加油站收费管理系统更超过80％的市场。