基于K2算法的精准营销研究
发布时间：2021-08-24 22:33
随着电子商务技术的飞速发展,用户量剧增。利用使用者在电商平台上的浏览痕迹对用户行为进行分析,实现商品的精准推荐,已经成为电子商务的一个热点应用技术和领域。用户行为的有效分析强烈地依赖对用户属性、行为和期待数据画像的精准刻画。然而,就目前的方法和技术而言,在数据画像模型的表现能力和推荐算法的处理效率方面还有许多技术挑战。面对上述挑战,利用数据画像和数据画像概率分配模型等概念,提出基于贝叶斯网络的预测推荐算法,通过构建用户行为的先验概率计算可能产生消费的后验概率。对信用卡APP的真实浏览日志数据进行测试,验证了该算法的可行性和有效性。实验表明,基于贝叶斯网络的推荐算法有着高于传统营销模型的准确性。
【文章来源】：计算机应用与软件. 2019,36(07)北大核心
【文章页数】：7 页
【部分图文】：
对应的贝叶斯网络模型
第7期赵会群等:基于K2算法的精准营销研究47数据如图2、图3所示。图2APP运行日志数据手机号|APP|行为|每小时发生多少次|卡种136234|001|1|7501136465|003|001|3|8745136965|006|004|2|7323136932|007|002|11|6979137543|004|003|3|8436137534|005|007|4|7866134703|007|003|9|8546138654|003|002|7|7605136568|002|004|3|8603图3经过一次预处理的APP运行日志数据其中，电话号经过加密处理，APP和行为做了简单的分类编码。上述日志文件中的数据有多种标签，同时也可能会有我们感兴趣的标签结构，就像图4中的信用卡用户申请因果关系图。图4信用卡用户申请因果关系图如果加注各个节点的概率，父节点产生子节点的概率，图4可以看作是一个信用卡申请的贝叶斯网络模型。如果把“信用卡办理”节点看成是“成功”节点，图4也是一个贝叶斯网络预测模型。3．2算法实验本实验使用的数据来自某银行信用卡的APP运行日志文件，如表1所示。实验选取了5个样本数据集。表1实验数据集编号原日志规模/GB过滤后标签个数114457642229321082352402918141052190387530128932719实验环境配置参数如表2所示。这里使用了两种实验环境。表2实验环境参数表环境CPU操作系统平台Cluster2．4GHzLinuxSparkPC3．0GHz+4CoreWindowsJava实验为使用贝叶斯网络构造算法构建数据画像模型，即利用算法1实现图4信用卡营销贝叶斯网络模型。实验中对父节点个数不断调整，对比实验结果后，使用最合适的父节点个数，通过K2算法构建数据画像模型，运行界面如图5所示。图
47数据如图2、图3所示。图2APP运行日志数据手机号|APP|行为|每小时发生多少次|卡种136234|001|1|7501136465|003|001|3|8745136965|006|004|2|7323136932|007|002|11|6979137543|004|003|3|8436137534|005|007|4|7866134703|007|003|9|8546138654|003|002|7|7605136568|002|004|3|8603图3经过一次预处理的APP运行日志数据其中，电话号经过加密处理，APP和行为做了简单的分类编码。上述日志文件中的数据有多种标签，同时也可能会有我们感兴趣的标签结构，就像图4中的信用卡用户申请因果关系图。图4信用卡用户申请因果关系图如果加注各个节点的概率，父节点产生子节点的概率，图4可以看作是一个信用卡申请的贝叶斯网络模型。如果把“信用卡办理”节点看成是“成功”节点，图4也是一个贝叶斯网络预测模型。3．2算法实验本实验使用的数据来自某银行信用卡的APP运行日志文件，如表1所示。实验选取了5个样本数据集。表1实验数据集编号原日志规模/GB过滤后标签个数114457642229321082352402918141052190387530128932719实验环境配置参数如表2所示。这里使用了两种实验环境。表2实验环境参数表环境CPU操作系统平台Cluster2．4GHzLinuxSparkPC3．0GHz+4CoreWindowsJava实验为使用贝叶斯网络构造算法构建数据画像模型，即利用算法1实现图4信用卡营销贝叶斯网络模型。实验中对父节点个数不断调整，对比实验结果后，使用最合适的父节点个数，通过K2算法构建数据画像模型，运行界面如图5所示。图5算法1的Spark运行界面表3为实验
【参考文献】：
期刊论文
[1]社会化推荐系统研究[J]. 孟祥武,刘树栋,张玉洁,胡勋. 软件学报. 2015(06)
本文编号：3360840
【文章来源】：计算机应用与软件. 2019,36(07)北大核心
【文章页数】：7 页
【部分图文】：
对应的贝叶斯网络模型
第7期赵会群等:基于K2算法的精准营销研究47数据如图2、图3所示。图2APP运行日志数据手机号|APP|行为|每小时发生多少次|卡种136234|001|1|7501136465|003|001|3|8745136965|006|004|2|7323136932|007|002|11|6979137543|004|003|3|8436137534|005|007|4|7866134703|007|003|9|8546138654|003|002|7|7605136568|002|004|3|8603图3经过一次预处理的APP运行日志数据其中，电话号经过加密处理，APP和行为做了简单的分类编码。上述日志文件中的数据有多种标签，同时也可能会有我们感兴趣的标签结构，就像图4中的信用卡用户申请因果关系图。图4信用卡用户申请因果关系图如果加注各个节点的概率，父节点产生子节点的概率，图4可以看作是一个信用卡申请的贝叶斯网络模型。如果把“信用卡办理”节点看成是“成功”节点，图4也是一个贝叶斯网络预测模型。3．2算法实验本实验使用的数据来自某银行信用卡的APP运行日志文件，如表1所示。实验选取了5个样本数据集。表1实验数据集编号原日志规模/GB过滤后标签个数114457642229321082352402918141052190387530128932719实验环境配置参数如表2所示。这里使用了两种实验环境。表2实验环境参数表环境CPU操作系统平台Cluster2．4GHzLinuxSparkPC3．0GHz+4CoreWindowsJava实验为使用贝叶斯网络构造算法构建数据画像模型，即利用算法1实现图4信用卡营销贝叶斯网络模型。实验中对父节点个数不断调整，对比实验结果后，使用最合适的父节点个数，通过K2算法构建数据画像模型，运行界面如图5所示。图
47数据如图2、图3所示。图2APP运行日志数据手机号|APP|行为|每小时发生多少次|卡种136234|001|1|7501136465|003|001|3|8745136965|006|004|2|7323136932|007|002|11|6979137543|004|003|3|8436137534|005|007|4|7866134703|007|003|9|8546138654|003|002|7|7605136568|002|004|3|8603图3经过一次预处理的APP运行日志数据其中，电话号经过加密处理，APP和行为做了简单的分类编码。上述日志文件中的数据有多种标签，同时也可能会有我们感兴趣的标签结构，就像图4中的信用卡用户申请因果关系图。图4信用卡用户申请因果关系图如果加注各个节点的概率，父节点产生子节点的概率，图4可以看作是一个信用卡申请的贝叶斯网络模型。如果把“信用卡办理”节点看成是“成功”节点，图4也是一个贝叶斯网络预测模型。3．2算法实验本实验使用的数据来自某银行信用卡的APP运行日志文件，如表1所示。实验选取了5个样本数据集。表1实验数据集编号原日志规模/GB过滤后标签个数114457642229321082352402918141052190387530128932719实验环境配置参数如表2所示。这里使用了两种实验环境。表2实验环境参数表环境CPU操作系统平台Cluster2．4GHzLinuxSparkPC3．0GHz+4CoreWindowsJava实验为使用贝叶斯网络构造算法构建数据画像模型，即利用算法1实现图4信用卡营销贝叶斯网络模型。实验中对父节点个数不断调整，对比实验结果后，使用最合适的父节点个数，通过K2算法构建数据画像模型，运行界面如图5所示。图5算法1的Spark运行界面表3为实验
【参考文献】：
期刊论文
[1]社会化推荐系统研究[J]. 孟祥武,刘树栋,张玉洁,胡勋. 软件学报. 2015(06)
本文编号：3360840
本文链接：https://www.wllwen.com/guanlilunwen/bankxd/3360840.html
