主講人：李海林
講座時間：2023-02-06 19:00:00
講座地點：線上（騰訊會議号：920-662-644）
主辦單位：bevictor伟德官网
主講人簡介：三級教授，博士生導師，大連理工大學系統工程研究所管理科學與工程專業博士，研究方向為數據科學、決策支持與創新管理。曾任華僑大學信息管理與信息系統系主任、工商管理學院院長助理、教務處副處長，“信息管理與信息系統”國家一流建設專業負責人。在國内外重要學術刊物發表論文90多篇，大部分發表在中科院SSCI和SCI分區的1區或TOP期刊。主持3項國家級（國家社科基金1項和國家自科基金2項）和7項省部級項目。作為第1（或獨立）完成人獲福建省社會科學優秀成果二等獎（政府獎），福建省ABC高層次人才、福建省高校新世紀優秀人才，福建省高校傑出青年科研人才，遼甯省優秀博士學位論文，連續獲得兩屆華僑大學“學術英才”稱号。中國信息經濟學會理事會理事、中國系統工程學會數據與知識專委會委員，國家自然科學基金通訊評審專家，教育部學位中心研究生學位論文評審專家，泉州市信息化項目評審專家。
講座内容：
時間序列數據挖掘在電力能源、工業工程和金融市場分析等領域中具有廣泛的應用。特别地，在電子商務領域中，商品銷售相關性研究一直受到學者們的關注，在商品銷售相關性領域，研究主要圍繞購物籃分析（MBA）展開。傳統關聯規則反映了商品被同時購買的概率，關聯規則涉及的商品被購買的時間和商品被購買的數量等信息不能很好地從傳統關聯規則獲取。這些信息對于零售業具有重要意義，能夠幫助零售業企業科學進行商品促銷等活動。時間序列數據挖掘可發現商品銷售數據中相似時間段和相似銷售趨勢，當不同商品相似銷售趨勢發生在同一時間段，商品之間極有可能具有相關性。另外，通過這種研究能夠發掘局部時間内強關聯，但整體關聯程度不強的商品。這些商品往往被強關聯規則所忽視，但是更有指導和實踐意義。由于這些相關關系和傳統關聯規則算法不同，通過對商品銷售時序數據進行相關性分析，利用矩陣畫像（Matrix Profile）尋找最相似子序列片段，來發現商品銷售數據局部相關性甚至商品的弱關聯規則。數值實驗表明，通過銷售數據興趣模式挖掘，可以發現商品之間确實存在局部關聯性，能夠幫助企業的商品供貨和促銷決策提供理論和技術支持。