基于LSTM神经网络的电商商品销售预测方法.pdf

柯苗 , 等 : 基于 LSTM 神经网络的电商商品销售预测方法
2020 年第 5 期 福建师大福清分校学报 2020
总第 162 期 JOURNAL OF FUQING BRANCH OF FUJIAN NORMAL UNIVERSITY Sum 162
基于 LSTM 神经网络的电商商品销售预测方法
柯苗 , 黄华国
( 福建水利电力职业技术学院信息工程系 , 福建永安　366000 )
摘  要：探讨深度学习技术在时间序列预测方面的理论依据 . 将商品销量预测归纳为多变量时间序
列的预测问题 , 使用某电商网店的历史销售数据 , 详细介绍在 TensorFlow 框架下搭建 LSTM 网络模型的
方法 , 对比了使用 AR 模型进行预测的运算结果 , 得到 LSTM 网络模型具有数据输入简单方便 , 在网络
的结构、训练方法的效率及有效性和预测的准确性等方面都具有更大的优越性 . 研究结果对电商企业改
善营销决策和合理的库存管理具有重要的指导意义 .
关键词：商品销量预测；LSTM；网络模型搭建
中图分类号：   文献标志码：A    文章编号：1008-3421(2020)05-0083-07
在电子商务的飞速发展的今天 , 智能手机 以自动将有效特征从大量的原始数据中抽取出
以及电子支付也随之兴起 , 人们消费购物习惯 来 , 因此经过深度学习而建立的模型 , 其使用
的改变 , 在很大程度上影响了传统的供应链运 性更强 [1].LSTM 时间递归神经网络 , 在预测和
行模式 , 其维度主要体现在资金流 , 信息流和 处理时间序列的间隔和延迟相对更长的重要
产品流 . 如何将三者有效结合 , 需求预测起到 事件具有合适性的特征 , 最近几年 , 此特征在
了关键性作用 , 而需求预测是大多数企业最难 许多的相关领域的应用中表现突出 [2]. 文章在
解决的应用性问题 . LSTM