基于生成对抗网络的消费者交易模拟

在快速演进的大规模零售数据系统领域，设想和模拟未来消费者交易已成为一个关键的研究方向。它在强化需求预测和微调库存管理方面具有巨大潜力。本文展示了生成对抗网络（GANs）在生成合成零售交易数据方面的创新应用，特别聚焦于一种新颖的系统架构，该架构将消费者行为建模与库存单位（SKU）可用性约束相结合，以应对现实世界中的品类优化挑战。我们通过将SKU数据集成到GAN架构中并使用更复杂的嵌入方法（例如超图），偏离了传统方法。这种设计选择使我们的系统不仅能生成模拟的消费者购买行为，还能反映消费者行为与SKU可用性之间的动态交互——这一方面常常被忽视，原因包括传统零售模拟模型中的数据稀缺等。我们的GAN模型在库存约束下生成交易，开创了一个具有实际意义的实验系统，对现实世界零售运营和策略具有实践意义。初步结果通过将生成商品与真实商品进行比较（采用相关研究中此前使用的方法）展示了模拟交易在真实性方面的增强。这凸显了更准确预测建模的潜力。