50net永乐高
College of Economics and Management

基于矩阵画像的零售商品时间序列相关性分析

主讲人:李海林

讲座时间:2023-02-06 19:00:00

讲座地点:线上(腾讯会议号:920-662-644

主办单位:50net永乐高

主讲人简介:三级教授,博士生导师,大连理工大学系统工程研究所管理科学与工程专业博士,研究方向为数据科学、决策支持与创新管理。曾任华侨大学信息管理与信息系统系主任、工商管理学院院长助理、教务处副处长,“信息管理与信息系统”国家一流建设专业负责人。在国内外重要学术刊物发表论文90多篇,大部分发表在中科院SSCISCI分区的1区或TOP期刊。主持3项国家级(国家社科基金1项和国家自科基金2项)和7项省部级项目。作为第1(或独立)完成人获福建省社会科学优秀成果二等奖(政府奖),福建省ABC高层次人才、福建省高校新世纪优秀人才,福建省高校杰出青年科研人才,辽宁省优秀博士学位论文,连续获得两届华侨大学“学术英才”称号。中国信息经济学会理事会理事、中国系统工程学会数据与知识专委会委员,国家自然科学基金通讯评审专家,教育部学位中心研究生学位论文评审专家,泉州市信息化项目评审专家。

讲座内容:

时间序列数据挖掘在电力能源、工业工程和金融市场分析等领域中具有广泛的应用。特别地,在电子商务领域中,商品销售相关性研究一直受到学者们的关注,在商品销售相关性领域,研究主要围绕购物篮分析(MBA)展开。传统关联规则反映了商品被同时购买的概率,关联规则涉及的商品被购买的时间和商品被购买的数量等信息不能很好地从传统关联规则获取。这些信息对于零售业具有重要意义,能够帮助零售业企业科学进行商品促销等活动。时间序列数据挖掘可发现商品销售数据中相似时间段和相似销售趋势,当不同商品相似销售趋势发生在同一时间段,商品之间极有可能具有相关性。另外,通过这种研究能够发掘局部时间内强关联,但整体关联程度不强的商品。这些商品往往被强关联规则所忽视,但是更有指导和实践意义。由于这些相关关系和传统关联规则算法不同,通过对商品销售时序数据进行相关性分析,利用矩阵画像(Matrix Profile)寻找最相似子序列片段,来发现商品销售数据局部相关性甚至商品的弱关联规则。数值实验表明,通过销售数据兴趣模式挖掘,可以发现商品之间确实存在局部关联性,能够帮助企业的商品供货和促销决策提供理论和技术支持。