Système de recommandation de type de magasin en temps réel

Ce livre traite du système de recommandation de type de magasin en temps réel. Pour générer des recommandations appropriées de type de magasin en temps réel basées sur la prédiction de popularité, une méthode de factorisation de matrice de fusion de caractéristiques est proposée. Lorsqu'un investisseur ou un propriétaire de magasin décide d'ouvrir un nouveau magasin sur son emplacement disponible et s'il existe plusieurs magasins de différents types, la recommandation de type de magasin en temps réel peut être effectuée de la manière suivante : Les caractéristiques de localisation fs et les caractéristiques commerciales Cst de chaque type de magasin candidat doivent d'abord être capturées. L'ensemble des valeurs des caractéristiques extraites pour le type sélectionné t sont données en entrée du modèle de factorisation de la matrice de fusion des caractéristiques. La valeur de popularité pour chaque type est calculée en utilisant les valeurs des caractéristiques extraites et la valeur obtenue par l'analyse des sentiments. La popularité prédite pst est basée sur la valeur du type sélectionné t et les valeurs des caractéristiques de chaque type de magasin de la zone circulaire sélectionnée avec un rayon r. De cette façon, pour chaque type de magasin dans l'emplacement donné, il faut d'abord prédire sa popularité. Ensuite, en fonction des valeurs de popularité, tous les types de magasins sont classés par ordre décroissant et les types de magasins.

Autorentext

Abhijeet A. Chincholkar arbeitet als Assistenzprofessor in der Abteilung Elektronik und Telekommunikationstechnik des Jagadambha College of Engineering & Technology, Yavatmal. Er hat 10 Jahre Lehrerfahrung. Er erwarb seinen M.E.-Abschluss in Digitaler Elektronik an der S. G. B. Amravati Universität. Sein Interessengebiet ist die Bildverarbeitung.