DeepRule: 基于深度预测建模与混合搜索优化的自动化业务规则生成集成框架
人工智能
2025-12-04 v1
摘要
本文提出DeepRule，一个用于零售商品组合与定价优化中自动化业务规则生成的集成框架。针对现有理论模型与现实世界经济复杂性之间的系统性错位，我们识别出三个关键缺口：(1) 数据模态不匹配，非结构化文本源（如谈判记录、审批文件）阻碍了准确的客户画像；(2) 动态特征纠缠挑战，在建模非线性价格弹性和时变属性时存在困难；(3) 多层级业务约束导致的操作不可行性。我们的框架针对上述挑战引入三层架构。我们设计了一个混合知识融合引擎，利用大语言模型（LLMs）对非结构化文本进行深度语义解析，将分销商协议和销售评估转化为结构化特征，同时整合管理专家经验。然后采用博弈论约束优化机制，通过双边效用函数动态协调供应链利益，将制造商-分销商利润再分配编码为层次化约束下的内生目标。最后，一个可解释决策蒸馏接口利用LLM引导的符号回归，在数学表达式搜索中寻找并优化定价策略和可审计的业务规则，将经济先验（如非负弹性）作为硬约束嵌入。我们在实际零售环境中验证了该框架，在确保操作可行性的同时实现了比系统性B2C基线更高的利润。这建立了一个闭环流程，统一了非结构化知识注入、多智能体优化和可解释策略综合，以实现真实的经济智能。
引用
@article{arxiv.2512.03607,
title = {DeepRule: An Integrated Framework for Automated Business Rule Generation via Deep Predictive Modeling and Hybrid Search Optimization},
author = {Yusen Wu and Xiaotie Deng},
journal= {arXiv preprint arXiv:2512.03607},
year = {2025}
}