摘要
客户满意度是客户关系的核心,是跨境电商经营决策的关键,因此,如何准确预测客户满意度变得愈加重要。本文构建了面向开放式创新的跨境电商客户满意度联邦学习智能协同预测模型,采取两个参与方的数据对模型进行训练和测试,使用RMSProp和Adam算法,对比研究本地学习、联邦学习的智能预测效果。研究表明,联邦学习除了具有良好的数据安全和保密性,还具备比本地学习训练更高的精度。最后,本文提出了面向开放式创新的联邦学习协同推进的建议。
Customer satisfaction is the core of customer relationships and the key for cross-border e-commerce business decisions.Accurately predicting consumer satisfaction has become increasingly important.This paper constructs a cross-border e-commerce customer satisfaction federated learning intelligent collaborative prediction model for open innovation.The model is trained and tested using data from two participants,and the RMSProp and Adam algorithms are used to compare the intelligent prediction performance of local learning and federated learning.Research has shown that federated learning not only has data security and confidentiality,but also has higher accuracy than local learning training.Finally,this paper proposes some collaborative promotion suggestions for federated learning towards open innovation.
作者
张晓东
何攀
ZHANG Xiao-dong;HE Pan(Inner Mongolia Agricultural University,Hohhot 010010,China)
出处
《物流研究》
2025年第4期27-41,共15页
Logistics Research
基金
国家社会科学基金后期资助项目“中国跨境电子商务品牌国际化发展研究”(20FGLB033)
国家重点研发计划“政府间国际科技创新合作”重点专项“中蒙农牧业供应链协作研究”(2021YFE0190200)
内蒙古农业大学学科交叉研究基金“基于联邦学习的电子商务开放式创新智能决策研究”(BR231518)
内蒙古自治区高等学校青年科技英才支持项目“基于多模态学习的电子商务智能营销研究”(NJYT24014)
内蒙古自然科学基金“多模态学习与联邦学习协同嵌入的跨境电商智能营销研究”(2024MS07009)
中国物流学会、中国物流与采购联合会面上研究课题“B2C进口跨境电商供应链风险管理研究”(2025CSLKT3-019)
内蒙古自治区研究生教育教学改革项目“数字经济背景下内蒙古新商科研究生培养模式研究”(JGCG2022059)。
关键词
开放式创新
客户满意度
联邦学习
跨境电商
人工智能
Open Innovation
Customer Satisfaction
Federated Learning
Cross-Border E-commerce
Artificial Intelligence
