Biblioteca36.130 documentos en línea

Artículo

A Hybrid Neural Network Model for Sales Forecasting Based on ARIMA and Search Popularity of Article TitlesUn modelo de red neuronal híbrido para la previsión de ventas basado en ARIMA y en la popularidad de la búsqueda de títulos de artículos

Resumen

La mejora de la planificación de las ventas y las operaciones mediante el análisis de previsiones y la inteligencia empresarial es una exigencia de muchas industrias y empresas. Las industrias editoriales suelen elegir títulos y titulares atractivos para sus artículos con el fin de aumentar las ventas, ya que los títulos y titulares populares de los artículos pueden atraer a los lectores para que compren las revistas. En este trabajo se adoptan técnicas de recuperación de información para extraer palabras de los títulos de los artículos. A continuación, se analizan las medidas de popularidad de los títulos de los artículos utilizando los índices de búsqueda obtenidos del motor de búsqueda de Google. Las redes neuronales de retropropagación (BPNN) se han utilizado con éxito para desarrollar modelos de predicción de ventas. En este estudio, proponemos un novedoso modelo de red neuronal híbrida para la previsión de ventas basado en el resultado de la predicción de series temporales y la popularidad de los títulos de los artículos. El modelo propuesto utiliza los datos históricos de ventas, la popularidad de los títulos de los artículos y el resultado de la predicción de una serie temporal, el método de previsión de la media móvil integrada autorregresiva (ARIMA) para aprender un modelo de previsión basado en BPNN. Nuestro modelo de previsión propuesto se evalúa experimentalmente comparándolo con las técnicas convencionales de predicción de ventas. Los resultados experimentales muestran que nuestro método de previsión propuesto supera a las técnicas convencionales que no tienen en cuenta la popularidad de las palabras del título.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento