利用推荐系统优化油气收购
信息检索
2021-10-11 v1
摘要
油气行业的油井收购常是一个成败难料的过程，不当的购买会导致重大损失。推荐系统基于过往活动向用户(公司)推荐其可能购买的物品(油井)，将该系统应用于油井收购可提升公司利润。尽管传统推荐系统本身已具影响力，但其并未优化，因为它们忽略了人类决策中的诸多复杂性，且常给出次优推荐。使用既有的因子分解机Python实现可基于用户级排序系统给出更准的推荐。我们在包含海拔、总深度和位置等特征的油气井数据上训练因子分解机模型。该模型利用公司与油井之间及其交互的相似性产生推荐。我们的模型命中率为0.680、倒数排名为0.469、精确率为0.229、召回率为0.463。这些指标意味着，尽管模型能在总体上推荐正确油井，却未通过相关性将确切油井匹配至公司。为提升模型准确性，未来模型应纳入油井生产数据与持有时长等额外特征，因其将产生更准的推荐。
引用
@article{arxiv.2110.03748,
title = {Optimizing Oil and Gas Acquisitions Using Recommender Systems},
author = {Harsh Kumar and Geneva Allison and Jehil Mehta and Jesse Pisel and Michael Pyrcz},
journal= {arXiv preprint arXiv:2110.03748},
year = {2021}
}
备注
10 pages, 3 figures