예측 배송 시스템을 위한 수요 예측 모델링 : Demand Forecasting Modeling for Anticipatory Delivery System :

이소려

추천

검색

자료유형: 학위논문

저자정보: 이소려 (우송대학교, 우송대학교 공학·디자인대학원)

지도교수: 이동우

발행연도: 2016

저작권: 우송대학교 논문은 저작권에 의해 보호받습니다.

이용수18

이 논문의 연구 히스토리 (2)

2016

예측 배송 시스템을 위한 수요 예측 모델링

이소려 , 이동우 Proceedings of KIIT Conference 2016.06 학술대회자료

예측 배송 시스템을 위한 수요 예측 모델링 : Demand Forecasting Modeling for Anticipatory Delivery System

이소려 컴퓨터과학과 2016.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

국가 간에 이루어지는 전자 상거래는 배송 시간이 오래 걸리는 문제가 발생하고 있다. 이를 해결하는 방안으로 고객의 수요를 예측함으로써 고객이 주문하기 전에 미리 배송하는 예측 배송 방안이 있다. 본 연구는 중국 소비자를 대상으로 한국 화장품을 전문적으로 판매하는 전자상거래 사이트를 연구대상으로 하고, 사용 가능한 예측 모델들을 이진수로 된 구매내역 데이터를 사용하여 최적의 모델을 선정하였다. 이 중 선정된 사용자 기반의 협업적 필터링 예측 기법을 이용하여 수요자 예측 모델을 구축 시험하였다. 실험 결과 약 86.47%의 정확도를 얻었다.

#Cross-border E-commerce Platform #Slow Logistics #Prediction of Consumer’s Demand #User-based CF #Forecast Accuracy

Chapter 1 Introduction 1
1. Background 1
2. Objective 4
3. Contribution 5
4. Organization 5
Chapter 2 Related Work 7
1. Amazon’s Anticipatory Shipping Model 7
1.1. A Brief Introduce of the Amazon’s Anticipatory Shipping 7
1.2. The Meaning of Amazon’s Anticipatory Shipping 8
1.3. The Analysis of Amazon’s Anticipatory Shipping System 9
1.4. The Forecasting Model of Amazon for Anticipatory Shipping 13
1.5 The Differences between this Thesis and Amazon in Anticipatory Delivery 14
2. Recommendation System 15
2.1. The Overview of Recommendation System 15
2.2. The Similarity between Forecasting Model and Recommendation System 17
3. Forecasting Methods 17
3.1. Collaborative Filtering 18
3.2. Random Method 19
3.3. Popularity-Based Method 19
3.4. Principal Component Analysis 20
3.5. Singular Value Decomposition 25
Chapter 3 Demand Forecasting Model 26
1. The Domain of Demand Forecasting Model 26
2. The Definition of Demand Forecasting Model 28
3. The Procedure of Demand Forecasting 28
4. Evaluation Methods 38
Chapter 4 Modeling & Testing 41
1. Modeling Environment 41
2. The R Extension Package “Recommenderlab” 42
3. The Modeling Process 43
4. Test Data Generation 47
4.1. The Survey of Actual Data 47
4.2. Generation Method 49
5. Data Testing 54
5.1. The process of testing data 54
5.2. Specific testing methods and results 54
6. The Discussion of Testing Results 70
Chapter 5 Conclusion 72
1. Paper Conclusion 72
2. Improvement in Future 73
References 74

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)