马月坤　刘鹏飞

摘要：近年来，随着电子商务的快速发展，客户网购行为分析及预测成为研究热点。目前的预测模型大多是基于数据驱动的数学模型，在用户行为智能预测方面存在不足。针对这些不足，文中提出了知识驱动的客户网购行为分析及预测引擎。引擎基于本体论构建了电子商务客户网购行为知识图，其中包括电子商务领域知识和客户网购行为知识等。预测引擎将此知识图作为用户行为进行实时预测过程的知识来源，以用户实时行为预测场景为输入完成对用户行为的预测，整个引擎体现了对用户行为的智慧化预测。

关键词：知识图；用户行为预测；电子商务；本体；知识库

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2015）28-0200-05

The Research on the Engine of Customer Online Behavior Analysis and Predicting

MA Yue-kun，LIU Peng-fei

（College of Information Engineer， North China University of Science and Technology， Tangshan 063000， China）

Abstract：Recently，with the development of e-commerce，the research on the analysis and prediction of customer online shopping behavior has attracted more and more attentions.At present，most of the prediction models are based on data driven，and they cant provide the intelligent forecasting for user behavior，exists many shortcoming.Refer to solve these problems，this paper puts forward a knowledge driven engine of customer online shopping behavior analysis and predicting.The engine construct a knowledge graph of e-commerce domain based on ontology ，which consist of the knowledge on the domain of e-commerce and user behavior.This knowledge graph is considered as the knowledge source，when the engine predict the user behavior based on the predicting scene of user real-time behavior. The engine reflects the intelligent prediction of user's behavior.

Key words： knowledge graph； user behavior predicting； e-commerce； ontology； knowledge base

近年来，随着电子商务的蓬勃发展以及在互联网经济中和人们生活中所占地位的提高，越来越多的学者加入到电子商务相关方向的研究中。其中用户行为分析及预测成为研究热点之一。其中，Bucklin，Sismeir[1]运用记录在服务器日志文件上的点击流数据，并通过使用二元概率模型对用户行为进行建模的方式预测用户的购买行为。Moe，Fader[2]通过使用点击流数据对电子商务用户的在线访问及购买行为进行研究，构建了用户行为转换模型对用户购买行为进行预测。Pavlov和 Manavoglu[3，4]提出了基于概率序列模型的用户行为建模方法，依据日志中的用户历史行为序列，构建出购买者的行为矩阵模型；然后以此作为析客户在整个或者部分属性空间中的相似行为的基础，获得用户购买行为规则；……