基于用户聚类和特征选择的在线购买行为预测研究

发布时间：2021-05-17 10:41

　　现如今,网上购物已经成为了人们日常生活不可或缺的一个部分。在网上购物的情境下,买家和卖家不再需要进行面对面的交易,这给卖家直观的掌握顾客的需求和反馈提供了一定的障碍。但在另一方面,网上购物为数据分析提供了便利。顾客在网上发生的所有购物行为都被计算机记录在案,这使得商家能够通过这些数据分析顾客的行为从而了解消费者的需求和偏好,甚至能够预测顾客的购买行为。因此本文提出了一种基于用户聚类和特征选择的机器学习模型,根据用户的人口统计学特征对用户进行聚类,再从大量的顾客历史消费数据中学习出消费者购买行为模型,当有新的顾客信息数据和购物行为数据输入时,即可实现对顾客的购买行为进行预测。本文首先对在线购买行为的影响因素和关于购买预测的研究进行了文献综述,对网络购买行为的特点进行了深入分析。同时,本文发现当前以大数据分析为基础的网络购买行为研究仍处于起步阶段,研究的深度和广度还无法满足业界电子商务发展所带来的这方面的诉求。所以本文以阿里巴巴的电子商务交易作为研究背景,并将阿里巴巴大数据竞赛提供的真实购买行为数据以及通过仿真得到的用户人口统计学数据作为研究数据,先对用户进行聚类,再对用户的在线购买行为进... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景和意义
    1.2 文献综述
    1.3 论文主要研究内容
    1.4 论文结构框架
2 基础算法简介
    2.1 机器学习和聚类算法简介
    2.2 基于K-means算法的聚类算法概述
    2.3 特征选择算法简介
3 在线购买行为预测模型的特征构造和选择
    3.1 特征构造前的准备工作
    3.2 特征构造
    3.3 基于Extra-trees算法的特征选择
4 在线购买概率预测模型的构建
    4.1 准备工作
    4.2 基于逻辑斯特回归算法的在线购买预测模型的构建
    4.3 模型预测结果
    4.4 对电商企业提高用户转化率的管理建议
5 总结与展望
    5.1 本文总结
    5.2 未来研究展望
致谢
参考文献


【参考文献】：
期刊论文
[1]基于人才需求视角下的电子商务法课程教学改革研究[J]. 石美,阚淑娟.  教育现代化. 2018(20)
[2]基于机器学习融合算法的网络购买行为预测研究[J]. 祝歆,刘潇蔓,陈树广,李静,张天宇.  统计与信息论坛. 2017(12)
[3]一种基于密度峰值的半监督聚类算法[J]. 罗丹,毛先成,邓浩.  地理与地理信息科学. 2017(02)
[4]基于购买行为及评论行为的用户购买预测研究[J]. 李美其,齐佳音.  北京邮电大学学报(社会科学版). 2016(04)
[5]一种基于RFM模型的新型协同过滤个性化推荐算法[J]. 张宁,范崇睿,张岩.  电信科学. 2015(09)
[6]基于云环境K-means聚类的并行算法[J]. 高榕,李晶,肖雅夫,祝孙静,彭卫平.  武汉大学学报(理学版). 2015(04)
[7]客户重复购买的组合预测方法[J]. 舒方,马少辉.  计算机与现代化. 2015(05)
[8]基于网络外部性视角的网络消费者购买决策分析[J]. 谭淑媛,项典典,何江南.  电子商务. 2015(02)
[9]消费者网络购物感知风险概念及测量模型研究[J]. 叶乃沂,周蝶.  管理工程学报. 2014(04)
[10]基于支持向量机的特征选择算法综述[J]. 代琨,于宏毅,马学刚,李青.  信息工程大学学报. 2014(01)

硕士论文
[1]基于聚类的推荐算法研究与应用[D]. 李俊.南京邮电大学 2018
[2]基于特征选择和模型融合的网络购买行为预测研究[D]. 刘潇蔓.北京交通大学 2017
[3]基于SVM的多银行贷款池风险分析[D]. 杨明.天津科技大学 2010



本文编号：3191619