用户品牌购买预测

发布时间:2017-04-10 23:04

  本文关键词:用户品牌购买预测,,由笔耕文化传播整理发布。


【摘要】:互联网技术的日益革新,带领了人们日常生活中各个领域的发展。电子商务这一随着互联网发展起来的行业逐渐占据了人们的生活。十多年来,随着电子商务发展,人们购买方式的不断变化使得品牌逐渐成为人们与商品之间的纽带。人们对品牌的依赖和信任度很大程度上会影响用户的购买意愿,用户对自己信任的品牌会具有更加强烈的购买欲望。而用户的历史行为则是用户对品牌偏好度的最好展现。本课题研究预测用户在未来可能会购买的品牌商品,以达到向用户推荐其偏好度高的品牌的目的。主要利用用户对商品历史交互记录,并将商品和品牌对应起来,构造出用户对品牌的交互行为记录,在此基础上进行特征提取与建模,预测用户在未来一段时间内将要购买的品牌。本文主要内容及创新点包括:1.数据的分析以及特征提取。描述数据来源与数据形式。通过对数据和业务的分析,摒弃并不适用于本课题的研究方法,如协同过滤,并提出特征提取中的关键因素;详细描述各特征提取方法与含义,其中包括用户特征,品牌特征,用户品牌交互特征。2.基础模型建立与选择。通过在提取特征上的研究实验,选择适合本课题的模型,剔除不适用模型,最后我们采用点击率预估的模型作为用户品牌购买预测的基本模型。在此基础上,进行多种学习算法的实验,为后续研究作准备。3.模型融合。在基础模型的研究实验基础上,挑选合适的基础模型作为弱学习器,利用模型融合算法整合各个弱学习器,达到提高模型预测能力的效果。
【关键词】:电子商务 数据挖掘 购买预测 推荐系统 模型融合
【学位授予单位】:上海交通大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TP391.3
【目录】:
  • 摘要3-4
  • ABSTRACT4-11
  • 第一章 绪论11-19
  • 1.1 研究背景11-13
  • 1.2 国内外研究现状13-15
  • 1.2.1 个性化推荐13-14
  • 1.2.2 广告与搜索14-15
  • 1.3 研究内容15-19
  • 1.3.1 问题描述15
  • 1.3.2 评估指标15-19
  • 第二章 相关研究工作19-23
  • 2.1 协同过滤19-21
  • 2.1.1 协同过滤定义19
  • 2.1.2 基于邻域的方法19-21
  • 2.1.3 基于模型的方法21
  • 2.2 点击率预估21-22
  • 2.3 本章小结22-23
  • 第三章 数据分析与特征提取23-33
  • 3.1 数据分析23-26
  • 3.1.1 数据源23
  • 3.1.2 交互与未交互推荐23-24
  • 3.1.3 数据时间维度24-26
  • 3.2 特征提取26-31
  • 3.2.1 用户特征26-27
  • 3.2.2 品牌特征27-29
  • 3.2.3 交互特征29-31
  • 3.3 本章小结31-33
  • 第四章 模型建立与选择33-45
  • 4.1 数据集划分33-34
  • 4.2 分类与回归34-36
  • 4.2.1 分类问题34-36
  • 4.2.2 回归问题36
  • 4.3 逻辑斯蒂回归模型 (Logistic Regression - LR)36-39
  • 4.3.1 逻辑斯蒂回归36-37
  • 4.3.2 LR特殊处理37-39
  • 4.4 随机森林模型 (Random Forest - RF)39-41
  • 4.4.1 决策树39-40
  • 4.4.2 随机森林40-41
  • 4.5 梯度渐进回归树 (Gradient Boost Regression Tree - GBRT)41-43
  • 4.5.1 GBRT41-42
  • 4.5.2 算法实现42-43
  • 4.6 本章小结43-45
  • 第五章 模型融合45-51
  • 5.1 模型融合框架45-47
  • 5.2 基础模型选择47-48
  • 5.3 模型融合算法48-49
  • 5.4 本章小结49-51
  • 第六章 实验结果51-55
  • 6.1 基础模型实验结果51-52
  • 6.1.1 逻辑斯蒂回归51-52
  • 6.1.2 随机森林52
  • 6.1.3 梯度渐进回归树52
  • 6.2 模型融合实验结果52-53
  • 6.3 本章小结53-55
  • 全文总结55-57
  • 参考文献57-63
  • 致谢63-65
  • 攻读学位期间发表的学术论文目录65-67
  • 攻读学位期间参与的项目67-69

【相似文献】

中国期刊全文数据库 前10条

1 马少华,高峰,李敏,吴成东;神经网络分类器的特征提取和优选[J];基础自动化;2000年06期

2 管聪慧,宣国荣;多类问题中的特征提取[J];计算机工程;2002年01期

3 胡威;李建华;陈波;;入侵检测建模过程中特征提取最优化评估[J];计算机工程;2006年12期

4 朱玉莲;陈松灿;赵国安;;推广的矩阵模式特征提取方法及其在人脸识别中的应用[J];小型微型计算机系统;2007年04期

5 赵振勇;王保华;王力;崔磊;;人脸图像的特征提取[J];计算机技术与发展;2007年05期

6 冯海亮;王丽;李见为;;一种新的用于人脸识别的特征提取方法[J];计算机科学;2009年06期

7 朱笑荣;杨德运;;基于入侵检测的特征提取方法[J];计算机应用与软件;2010年06期

8 王菲;白洁;;一种基于非线性特征提取的被动声纳目标识别方法研究[J];软件导刊;2010年05期

9 陈伟;瞿晓;葛丁飞;;主观引导特征提取法在光谱识别中的应用[J];科技通报;2011年04期

10 王华,李介谷;人脸斜视图象的特征提取与恢复[J];上海交通大学学报;1997年01期

中国重要会议论文全文数据库 前10条

1 尚修刚;蒋慰孙;;模糊特征提取新算法[A];1997中国控制与决策学术年会论文集[C];1997年

2 潘荣江;孟祥旭;杨承磊;王锐;;旋转体的几何特征提取方法[A];第一届建立和谐人机环境联合学术会议(HHME2005)论文集[C];2005年

3 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

4 杜栓平;曹正良;;时间—频率域特征提取及其应用[A];2005年全国水声学学术会议论文集[C];2005年

5 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年

6 魏明果;;方言比较的特征提取与矩阵分析[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

7 林土胜;赖声礼;;视网膜血管特征提取的拆支跟踪法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 秦建玲;李军;;基于核的主成分分析的特征提取方法与样本筛选[A];2005年中国机械工程学会年会论文集[C];2005年

9 刘红;陈光

本文编号:297736


资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/297736.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户59c45***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com