时尚零售：对新品需求的预测
摘要：时尚商品销售预测中的一个复杂问题是时尚颜色、印花、剪裁、图案和材料的流行趋势的短暂性，以及仅可在大规模生产中实现的经济规模和消费地域的差异。为满足不断变化的时尚需求，为大客户群提供服务的零售商需要投入大量金钱和资源，同时还会遭受未售存货和清算成本的巨大损失[2]。分析师、统计学家以及机器学习研究人员已经以传统方式来解决这个问题，即根据具体时尚商品的历史销售数据建立模型预测未来需求。据我们所知，这些模型没有一个能很好地推广到新的时尚设计/风格的抽象层面来预测未来需求。为了解决这个问题，我们对大规模时尚销售数据进行了研究，并直接推论出哪些服装/鞋类属性和商品因素推动了这些物品的需求。然后，我们建立了泛化模型，根据新的物品属性预测需求，并通过尝试不同的神经网络架构、机器学习方法和损失函数来展示其稳健的性能。
作者：Pawan Kumar Singh, Yadunath Gupta, Nilpa Jha, Aruna Rajan
论文ID：1907.01960
分类：Other Computer Science
分类简称：cs.OH
提交时间：2019-07-04