消费者偏好预测的深度学习神经网络模型
【摘要】 通过对于人类大脑活动的研究来分析消费者对广告和产品的反应的神经营销正在受到新的关注。针对基于脑电波(EEG)的神经营销，提出了一种基于深度学习神经网络的消费者对产品的偏好预测方法。首先，为了提取消费者EEG的特征，采用短时傅里叶变换(STFT)与双调和样条插值，从多通道脑电信号中得到了5个不同频带的EEG形图视频;然后，提出了一种结合5个三维卷积神经网络(3DCNN)与多层长短期记忆(LSTM)神经网络的预测模型，用于从脑电地形图视频预测到消费者的偏好。与卷积神经网络(CNN)模型和LSTM神经网络模型相比，消费者依赖模型的平均准确度分别提高了15.05个百分点和19.44个百分点，消费者独立模型的平均准确度分别提高了16.34个百分点和17.88个百分点。理论分析与实验结果表明，所提出的消费者偏好预测系统可以以低成本提供有效的营销策略开发和营销管理。
