Resumen

El comercio electrónico ofrece diversos productos para la venta y compra con transacciones frecuentes y flujos de mercancías. Se requiere una predicción precisa de las necesidades del cliente y una asignación optimizada de productos para reducir costos. Las soluciones existentes tienen errores significativos y no son adecuadas para abordar las necesidades de almacenamiento y asignación. Por eso, las empresas no pueden responder a las demandas de los clientes de manera oportuna, ya que necesitan una previsión de la demanda precisa y fiable. Por lo tanto, este documento propone estrategias de fusión de características espaciales y de agrupación basadas en datos multimodales y construye un modelo de predicción de la demanda de productos electrónicos. El modelo diseñado extrae características de secuencia de pedidos, características emocionales del consumidor y características de valor facial de datos multimodales de productos de comercio electrónico. Luego, se propone una estrategia de agrupación basada en una red neuronal de memoria a largo plazo bidireccional (BiLSTM). La estrategia propuesta aprende completamente la semántica

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Comercio electrónico; Modelo de predicción; Previsión de la demanda; Fusión de características espaciales; Estrategias de agrupación; Datos multimodales
• Keywords:E-commerce; Prediction model; Demand forecasting; Spatial feature fusion; Grouping strategies; Multimodal data