نبذة مختصرة : The new e-commerce field has attracted businesses of all sizes, retailers, and individuals. Consequently, there is an ongoing necessity for applications that can offer predictions on trending products and optimal selling time. This research suggests aiding businesses in forecasting demand for various product categories by employing data mining algorithms on multivariate time series data. To ensure the most recent information, real-time data was gathered through APIs to build the first block in this research. While search volume was derived from the Keywords Everywhere tool, Amazon's search volume was derived from the Helium 10 tool and external features about actual purchased data. The harvested raw datasets went through multiple processes to generate the dataset and were validated. The models XGBoost, Linear Regression, Random Forest, long-short-term memory, and K-nearest neighbor were employed to predict the trends, and the performance is demonstrated using evaluation metrics, namely Mean Squared Error ... : اجتذب مجال التجارة الإلكترونية الجديد الشركات من جميع الأحجام وتجار التجزئة والأفراد. وبالتالي، هناك ضرورة مستمرة للتطبيقات التي يمكن أن تقدم تنبؤات حول المنتجات الشائعة ووقت البيع الأمثل. يقترح هذا البحث مساعدة الشركات في التنبؤ بالطلب على فئات المنتجات المختلفة من خلال استخدام خوارزميات استخراج البيانات على بيانات السلاسل الزمنية متعددة المتغيرات. لضمان أحدث المعلومات، تم جمع البيانات في الوقت الفعلي من خلال واجهات برمجة التطبيقات لبناء الكتلة الأولى في هذا البحث. بينما تم اشتقاق حجم البحث من أداة الكلمات الرئيسية في كل مكان، تم اشتقاق حجم بحث أمازون من أداة هيليوم 10 والميزات الخارجية حول البيانات الفعلية المشتراة. مرت مجموعات البيانات الخام التي تم حصادها بعمليات متعددة لإنشاء مجموعة البيانات وتم التحقق من صحتها. تم استخدام النماذج XGBoost، والانحدار الخطي، والغابات العشوائية، والذاكرة طويلة المدى، وأقرب جار K للتنبؤ بالاتجاهات، ويتم عرض الأداء باستخدام مقاييس التقييم، وهي متوسط الخطأ التربيعي (MSE)، وخطأ الجذر التربيعي (RMSE)، ومتوسط الخطأ المطلق (MAE)، ومعامل التحديد (R2). بشكل عام، تفوق الانحدار ...
No Comments.