基于用户行为序列的网络购买行为预测

发布时间：2023-05-07 07:57

　　网络购物多年来发展迅速,已成为人们日常生活中必不可少的一部分。每个电子商务平台都存放了数亿可靠用户,并产生了大量的实际数据。怎么从这些数据中寻得规则,掌握用户的想法,高效解决用户实际问题,提升用户购物体验,是大数据应用在精准营销中的关键问题。因此,本文使用机器学习算法从用户、商品、用户-商品历史数据中学习其中的购买行为模式来获取模型,实现网络购买行为预测。本文以中国大数据算法大赛(如期而至-用户购买时间预测)为背景,将用户在京东电子商务平台上的真实购买行为数据作为研究数据,使用机器学习算法进行建模。在构建模型前,要做基础的准备工作,包括数据预处理、数据分析、特征工程等,确定最终的建模目标和线下训练集、线下验证集的划分,还有构建原始模型的原始特征群,并实验记录最初实验效果。本文研究以数据为驱动,针对网络购买行为预测,将用户商品行为记录为用户行为序列,提出用户行为序列的效用函数,分别从行为频率和时间间隔考虑效用函数,进而从用户行为序列挖掘用户商品偏好。在利用效用函数得到用户商品偏好数据后,将数据带入模型训练,实验主要在初始结果最优的Logistic Regression(逻辑回归)和GBD...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 电商大数据分析研究现状
        1.2.2 序列数据表示研究现状
        1.2.3 网络购买行为预测研究现状
    1.3 主要研究内容
    1.4 论文组织结构
第2章 相关介绍和技术简介
    2.1 机器学习相关介绍
    2.2 特征相关介绍
    2.3 机器学习模型
        2.3.1 逻辑回归
        2.3.2 梯度提升决策树
    2.4 文本特征提取
第3章 基于用户行为序列的模型
    3.1 构建模型前的准备工作
        3.1.1 数据集来源介绍
        3.1.2 数据预处理
        3.1.3 预测目标和建模思想
        3.1.4 特征工程
    3.2 用户-商品行为序列
        3.2.1 行为序列的概念
        3.2.2 行为序列的效用函数
    3.3 实验及结果分析
        3.3.1 评测指标介绍
        3.3.2 对影响因子的联合评测
        3.3.3 结果分析
    3.4 本章小结
第4章 基于LDA主题分布和用户行为序列的模型
    4.1 LDA主题模型概述
    4.2 用户行为序列的LDA主题表示
    4.3 实验及结果分析
        4.3.1 LDA主题模型效果评测
        4.3.2 LDA主题和用户行为序列联合评测
        4.3.3 结果对比分析
    4.4 本章小结
第5章 总结与展望
参考文献
攻读硕士学位期间研究成果
致谢



本文编号：3810600