.png){kind=icon}
返回
Dynamic knowledge graph-based incremental customer deep embedded clustering
.png){kind=icon}
PRE
AI
DOI：10.1007/s41060-026-01235-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
理解动态客户行为对于在演变的交易和关系环境中进行有效细分至关重要。传统聚类方法和静态知识图谱仅能捕捉有限的固定模式，而深度聚类方法通常需要完全重新训练，并忽视关系和上下文信息。为应对这些挑战，我们提出了IncDEC框架，该框架将DKG与基于BERT的语义嵌入相结合。IncDEC能够建模客户、产品和交易之间的演变关系，实现丰富的结构和上下文表示。通过在潜在空间中增量更新簇分配和簇中心，IncDEC在适应新客户行为时无需重新训练即可保持聚类质量。实验结果证明了其在真实世界动态客户细分中的有效性、可扩展性和适应性。
Keyword:
Dynamic customer segmentation
Dynamic knowledge graph
BERT embeddings
Incremental deep clustering
期刊
I
IF:
2.8
论文数:
1.1K
被引数:
1.3K
机构
引用论文
分享收藏Modified dynamic fuzzy c-means clustering algorithm - Application in dynamic customer segmentation.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏Adaptive Deep Learning Framework for Fair and Scalable E-Commerce Customer Segmentation in Data-Scarce Environments数据稀疏环境下公平且可扩展的电子商务客户细分自适应深度学习框架
PREAI
分享收藏Dynamic customer segmentation via hierarchical fragmentation-coagulation processes通过分层碎片化-凝聚过程进行动态客户细分MACHINE LEARNING
OAAI
MACHINE LEARNINGIF2.9
OAAI分享收藏分享收藏
查看更多内容