車貨匹配中考慮注意力機(jī)制的基于SENet雙塔模型的司機(jī)點(diǎn)擊率預(yù)測模型

方 芳，王成浩 （合肥工業(yè)大學(xué) 管理學(xué)院，安徽 合肥 230009）

0 引 言

車貨信息不對稱的問題在車貨匹配平臺出現(xiàn)后得到了有效的緩解，但是貨源和車源數(shù)量在不斷增加，因此車貨匹配平臺也承受著越來越大的壓力。然而，隨著機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的發(fā)展，大量的車貨源數(shù)據(jù)也為車貨匹配帶來了新的機(jī)會，通過對數(shù)據(jù)的分析處理，可以實現(xiàn)更加精準(zhǔn)的車貨匹配。因此，越來越多的研究人員開始從大規(guī)模數(shù)據(jù)的角度去探索新的車貨匹配方法。

在大數(shù)據(jù)時代，伴隨著機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的浪潮，研究人員進(jìn)行了以下探索。黃美華等人通過網(wǎng)頁爬蟲采集到車貨匹配平臺中真實的歷史數(shù)據(jù)，并利用C4.5決策樹算法建立車貨匹配模型，所建模型能夠達(dá)到較高的匹配精確度；在此基礎(chǔ)上，黃美華等人運(yùn)用最小二乘支持向量機(jī)建立車貨信息匹配模型，在保持匹配精確度的同時，縮短了一半的計算時間。Tian等考慮到目前研究理想環(huán)境、小數(shù)據(jù)集、靜態(tài)匹配和匹配效率低等方面的局限，提出了一種基于改進(jìn)動態(tài)貝葉斯網(wǎng)絡(luò)的車貨匹配算法，并利用從物流行業(yè)大數(shù)據(jù)平臺中獲得的數(shù)據(jù)進(jìn)行驗證，證明了該方法能夠提高車貨匹配的效率，同時為中小型物流企業(yè)的車貨匹配提供理論參考。周夏考慮了“滴滴打車”的模式，在不平衡數(shù)據(jù)的二分類問題的實驗背景下，利用集成學(xué)習(xí)的方法建立車貨匹配預(yù)測模型，并利用P平臺的大規(guī)模數(shù)據(jù)進(jìn)行驗證，為車貨匹配的預(yù)測研究提供參考與借鑒價值。……