{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“讯息”：{“索引”：{“日期-部件”：[[2024,5,18]]，“日期-时间”：“2024-05-18T05:52:58Z”，“时间戳”：1716011578063}，“参考-计数”：36，“出版商”：“计算机协会（ACM）”，“问题”：“2”，“资助者”：[{“DOI”：“10.13039\/501000001381”，“名称”：“新加坡国家研究基金会”，“doi-asserted-by”：“publisher”，“adward”：[“NRF-RSS2016-004”]}，{“doi”：“10.13039\/50110001459”，“name”：“新加坡教育部”，“doi-asserted-by”：”crossref“，”adward“：[”R-266-000-096-133，R-266-00-096-731，R-266-000-100-646和R-266-000-119-133“]}”，{：“CAST青年杰出科学家资助项目”，“奖项”：[“2019QNRC001”]}，{“DOI”：“10.13039\/501100001809”，“名称”：“中国自然科学基金会”，“DOI-asserted-by”：“crossref”，“奖”：[”71801124“]}]，“内容域”：{“domain”：[dl.acm.org“]，“crossmark-restriction”：true}，“short-container-title”：[acm Trans.Knowl.Discov.Data“]，“published-print”：{“date-parts”：[[2021,4,30]]}，“abstract”：“本文提出了一种新的方法来预测新产品（库存单位[SKUs]）的销售，这种新产品的交付周期长，但产品生命周期短。这些SKU通常只销售一季，没有任何补充。为了解决这一问题，提出了一种指数分解机（EFM）销售预测模型，该模型不仅考虑了SKU属性，还考虑了成对交互。EFM模型与原始因子分解机（FM）在两个方面存在显著差异：（1）解释性输入变量的属性级公式；（2）正响应/输出目标变量的指数公式。与传统的单热点编码相比，属性级构造排除了不可行的属性内交互，从而产生了更有效的特征工程，而对于正但不偏斜的分布响应，指数构造比对数变换更有效。为了估计参数，通过所提出的自适应批量梯度下降方法在训练集上最小化误差平方百分比（PES）和误差平方（ES）。为了克服过拟合问题，提出了一种贪婪的正向逐步特征选择方法来选择最有用的属性和交互。新加坡一家鞋类零售商提供的真实世界数据用于测试所提议的方法。就平均绝对百分比误差（MAPE）和平均绝对误差（MAE）而言，预测性能不仅优于现有的现货模型，也优于现有销售和需求预测研究报告的结果。两个外部公共数据集也证明了该方法的有效性。此外，我们证明了PES和ES最小化之间的理论关系，并给出了回归模型的PES最小化的一个重要性质；它训练模型低估数据。该属性适用于单位库存成本远大于单位短缺成本（例如易腐产品）的销售预测情况<\/jats:p>“，”DOI“：”10.1145\/3426238“，”type“：”journal-article“，”created“：{”date-parts“：[[2021,1,4]]，”date-time“：”2021-01-04T14:22Z“，”timestamp“：1609770862000}，”page“：“1-32”，“update-policy”：“http://\/dx.DOI.org\/10.1145\/crossmark-policy”，“source”：”Crossref“，”is-referenced-by-count“：5，”title“：[”零售额预测的百分比误差最小化指数因子分解机“]，”前缀“：”10.1145“，”卷“：”15“，”作者“：[{”给定“：”崇寿“，”家庭“：”李“，”序列“：”第一“，”隶属“：[}”名称“：”新加坡国立大学“}]}，{”给出“：”布伦达“，”家族“：”张“，”顺序“：”附加“，”附属“：name“：”Red Jasper Holdings，Singapore“}]}，{“given”：“Zhixing”，“family”：“Luo”，“sequence”：“additional”，“affiliation”：[{“name”：“Nangjing University，Jiangsu，China”}]}.，{”given“：”Andrew“，”family“，”sequence“：”additional“，”affiliance“:[{”name“：“National University of Singaporate”}]]，“member”：“320”，“published on”：{“date-parts”：[2021,1,4]]}，“reference“：[{“key”：“e_1_1_1”，“volume-title”：“时间的缝合：精益零售和制造业的转型——服装和纺织业的教训”，“author”：“Abernathy Frederick H.”，“unstructured”：“Frederick H.Abernaty，John T.Dunlop，Janice H.Hammond，and David Weil，1999。时间的缝合：精益零售和制造业的转型——来自服装和纺织行业的教训。牛津大学出版社。Frederick H.Abernathy、John T.Dunlop、Janice H.Hammond和David Weil。1999.《时间的缝合：精益零售和制造业的转型——来自服装和纺织行业的教训》（A Stitch in Time：Lean Retailing and the Transformation of Manufacturing）。牛津大学出版社。“}，{”key“：”e_1_1_2_1“，”volume-title“：”零售供应链管理“，”author“：”Caro Felipe“，”unstructured“：”Felipe Caro and Victor Mart\u00ednez-de Alb\u00e9niz.2015。快时尚：商业模式概述和研究机会。零售供应链管理。施普林格，237-264。菲利佩·卡罗和维克托·马特·德阿尔布·德阿尔布尼兹。2015.快速时尚：商业模式概述和研究机会。零售供应链管理。Springer，237--264.“}，{”key“：”e_1_1_3_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/WI-IAT.2014.91”}，“key”：“e_1_i_1_4_1”，“doi-assert-by”：“publisher”，”doi“：”10.5555\/3042817.3042868“}”，{“key“:”e_2_1_5_1“、”volume-title“：”第八届ACM推荐系统会议论文集。ACM，265--272“，”作者“：”成晨“，”非结构化“：”Chen Cheng、Fen Xia、Tong Zhang、Irwin King和Michael R.Lyu。2014.梯度增强因子分解机。第八届ACM推荐系统会议记录。美国医学会，265--272。Chen Cheng、Fen Xia、Tong Zhang、Irwin King和Michael R.Lyu。2014.梯度增强因子分解机。第八届ACM推荐系统会议记录。ACM，265--272.“}，{”key“：”e_1_1_6_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.eswa.2009.06.087”}，“key”：“e_2_1_7_1”，“doi-assert-by”：“publisher”，”doi“：”10.1111\/j.1937-5956.2012.01326.x“}”，{《人工智能》，j.Neves，M.F。Santos和J.Machado（编辑）。512-523“，“作者”：“Cortez Paulo”，“年份”：“2007”，“非结构化”：“Paulo Cortez and An \u00edbal de Jesus Raimundo Morais”。2007 . 使用气象数据预测森林火灾的数据挖掘方法。《人工智能新趋势》，《2007年第13届EPIA会议论文集-葡萄牙人工智能会议》，J.Neves、M.F.Santos和J.Machado（编辑）。512--523 . Paulo Cortez和An\u00edbal de Jesus Raimundo Morais。2007.使用气象数据预测森林火灾的数据挖掘方法。《人工智能新趋势》，《2007年第13届EPIA会议论文集-葡萄牙人工智能会议》，J.Neves、M.F.Santos和J.Machado（编辑）。512-523.“}，{”key“：”e_1_2_1_9_1“，”volume-title“：”第五届未来商业技术会议（FUBUTEC\u201908）“，”author“：”Cortez Paulo“，”year“：”2008“，”unstructured“：”保罗·科尔特斯（Paulo Cortez）和爱丽丝·玛丽亚·冈·阿尔维斯·席尔瓦（Alice Maria Gon \u00e7 alves Silva）。2008 . 使用数据挖掘预测中学生的表现。在《第五届未来商业技术会议论文集》（FUBUTEC\u201908）中，A.Brito和J.Teixeira（编辑）。5--12. 保罗·科尔特斯（Paulo Cortez）和爱丽丝·玛丽亚·冈·阿尔维斯·席尔瓦（Alice Maria Gon \u00e7 alves Silva）。2008年。使用数据挖掘预测中学生的表现。在《第五届未来商业技术会议论文集》（FUBUTEC\u201908）中，A.Brito和J.Teixeira（编辑）。5--12.“}，{”key“：”e_1_1_10_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1177\/002224379603300406”}，“key”：“e_2_1_11_1”，“doi-assert-by”：“publisher”，”doi“：”10.1002\/asmb.592“}”，{“，”年份“：”2015“，”非结构化“：”克里斯·约翰逊·费雷拉（Kris Johnson Ferreira）、本·洪·阿列克斯·李（Bin Hong Alex Lee）和大卫·辛奇·列维（David Simchi-Levi）。2015年。在线零售商分析：需求预测和价格优化。《制造业8服务运营管理》18，1（2015），69--88。Kris Johnson Ferreira、Bin Hong Alex Lee和David Simchi Levi。2015.在线零售商分析：需求预测和价格优化。Manufacturing 8 Service Operations Management 18，1（2015），69--88.“}，{”key“：”e_1_1_13_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1287\/mnsc.2014.1904”}，“key”：“e_2_1_14_1”，“volume-title”：“第二十五届人工智能不确定性会议论文集。AUAI Press，452--461”，“author”：“Rendle Steffen”，“year”：“2009”，“非结构化”：“斯特芬·伦德尔、克里斯托夫·弗洛伊登塔勒、泽诺·甘特纳和拉尔斯·施密特·蒂姆。2009 . BPR：基于隐含反馈的贝叶斯个性化排名。第二十五届人工智能不确定性会议论文集。AUAI出版社，452--461。斯特芬·伦德尔（Steffen Rendle）、克里斯托夫·弗洛伊登塔勒（Christoph Freudenthaler）、泽诺·甘特纳（Zeno Gantner）和拉尔斯·施密特·蒂姆（Lars Schmidt-Thieme）。2009年BPR：基于隐性反馈的贝叶斯个性化排名。第二十五届人工智能不确定性会议论文集。AUAI出版社，452--461.“}，{”key“：”e_1_1_15_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/S0169-2070（99）00007-2”}，“key”：“e_1_i_16_1”，“doi-assert-by”：“publisher”，”doi“：”10.24963\/ijcai.2017\/239“}”，{“10.5555\/944919.944968”}，{“键”：“e_1_2_1_18_1”，“卷时间”：“数据挖掘：概念和技术”，“作者”：“韩佳伟”，“年份”：“2011年”，“非结构化”：“韩佳伟、贝健和米歇琳·坎贝尔。2011 . 数据挖掘：概念和技术，第3章。爱思唯尔。韩嘉伟（Jiawei Han）、贝健（Jian Pei）和米歇琳·坎贝尔（Micheline Kamber）。2011年，《数据挖掘：概念和技术》，第3章。爱思唯尔。“}，{”key“：”e_1_1_19_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3077136.3080777”}，“key”：“e_2_1_20_1”，“doi-assert-by”：“publisher”，”doi“：”10.1016\/j.ijforecast.2006.03.001“作者”：“Kahn Kenneth B.”，“年份”：“1998年”，“非结构化“：”Kenneth B.Kahn。1998 . 基准销售预测绩效指标。《商业预测杂志》17，4（1998），19。肯尼思·卡恩（Kenneth B.Kahn）。1998年。销售预测绩效衡量基准。《商业预测杂志》17，4（1998），19.“，”Journal-title“：”The Journal of Business Forecasting“}，{“key”：“e_1_1_22_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1287\/mnsc.49.2.179.12744“}“，{”key“：”e_2_1_23_1“，“volume-title”：“时间序列分析”，“author”：“Madsen Henrik”，“unstructured”：“Henrik-Madsen.2007。时间序列分析。CRC出版社。亨利克·马德森。2007年，时间序列分析。CRC出版社。“}，{”key“：”e_1_1_24_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/0169-2070（93）90079-3”}，“key”：“e_1_i_1_25_1”，“volume-title”：“Mentzer and Mark A Moon”，“author”：“John”，”year“2004”，“unstructured”：“约翰·T·门泽尔和马克·A Moon。2004。销售预测管理：需求管理方法。萨奇·约翰·T。曼泽尔和马克·A·穆恩。2004年。销售预测管理：需求管理方法。圣人。“}，｛”键“：”e_1_2_1_26_1“，”卷标题“：”infotheo:信息论度量“，”作者“：”Meyer Patrick e.“，”年份“：”2014“，”非结构化“：”Patrick e.Meyer 2014。infotheo：信息论测量（2014）。检索自http://\/CRAN.R-project。org/package=infotheo。R包版本1,1（2014）。帕特里克·梅耶（Patrick E.Meyer）。2014年，infotheo：信息论测量（2014）。检索自http://\/CRAN.R-project。org\/package=infotheo。R包版本1,1（2014）。“}，{”key“：”e_1_1_27_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ICDM.2010.127”}，“key”：“e_2_1_28_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/2168752.2168771“}”，{2012年”，“非结构化”：“斯特芬·伦德尔。2012 . 社交网络和使用因子分解机的点击式预测。2012 KDD-Cup研讨会论文集。斯特芬·伦德尔。2012.社交网络和使用因子分解机器的点击式预测。2012 KDD-Cup研讨会论文集。“}，{”key“：”e_1_1_30_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2009916.2010002”}，“key”：“e_1_cu1_31_1”，“doi-assert-by”：“publisher”，”doi“：”10.1287\/inte.24.292“}”，{“key“:”e_2_1_32_1“、”volume-title“：”物流逻辑：物流和供应链管理的理论、算法和应用”，“author”：”Simchi-Levi大卫“非结构化”：“David Simchi-Levi、Xin Chen和Julien Bramel。物流逻辑：物流和供应链管理的理论、算法和应用。斯普林格。David Simchi-Levi、Xin Chen和Julien Bramel。物流逻辑：物流和供应链管理的理论、算法和应用。斯普林格。“｝，｛”key“：”e_1_2_1_33_1“，”doi由“：”publisher“断言，”doi“：”10.1002\/for.398121007“｝，｛”key“：”e_1_1_34_1“，”doi由“：”publisher“断言，”doi“：”10.1007\/978-1-4757-3264-1“｝，｛”key“：”e_1_1_35_1“，”卷标题“：”AAAI人工智能会议论文集“，”卷“：”33“，”作者“：”Vie J.J.J.“，”非结构化“：”J.J.Vie J.i和H。鹿岛。2019.知识追踪机器：用于知识追踪的因子分解机器。《AAAI人工智能会议论文集》，第33卷。750--757. J.J.Vie和H.Kashima。2019.知识追踪机器：用于知识追踪的因子分解机器。《AAAI人工智能会议论文集》，第33卷。750--757.“}，{”key“：”e_1_2_1_36_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/978-3-030-36204-1_17”}]，”container-title“：[”ACM Transactions on Knowledge Discovery from Data“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\//dl.ACM.org\/doi\/pdf\/10.1145\/3426238“，”content-type“：”unspecified“，“content-version”：“vor”，“intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,1,1]]，”date-time“：”2023-01-01T19:47:30Z“，”timestamp“：1672602450000}，”score“：1，”resource“：{primary”：{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3426238”}}，“subtitle”：[]，“shorttitle”：[]，“issued”:{“date-part”：[2021,1,4,4]]}，“references-count”：36，“journal-issue”：{“issue”：“2“，”published-print“：{”date-parts“：[[2021,4,30]]}}，”alternative-id“：[”10.1145\/3426238“]，”URL“：”http://\/dx.doi.org\/10.1145\/34226238“，”relationship“：{}，“ISSN”：[”1556-4681“，”1556-472X“]，“ISSN-type”：[{“value”：“1556-4681'，”type“：”print“}，{”value“：“1554-472X”“，”type“：”electronic“}]，”subject“：[]，”published“：{”date-parts“：[2021,1,4]]}，”assertion“：[{”value“：”2019-04-01“，”order“：0，”name“：”received“，”label“：”received“，“group”：{“name”：“publication_history”，“label”：“publication history”}}，{“value”：“2020-09-01”，“order”：1，“name”:“accepted”，”lable“：”accepted“，“，”label“：”已发布“，”组“：{”name“：”publication_history“，”label“：”publication history“}}]}}