雷名龙

摘 要：个性化推荐系统能解决电子商务带来的信息过载等问题。文章基于2014年阿里巴巴大数据竞赛，从海量的购物行为数据中抽取有效特征，探究建立用户品牌偏好的有效方法并对其进行商品推荐。通过对购物行为数据的统计分析，挖掘了包括用户特征、商品特征和用户-商品行为特征在内的3种有效特征。并构造了随机森林、逻辑回归和SVM三种机器学习分类模型，从而有效地根据用户品牌偏好进行商品筛选并预测未来一个月内用户对商品的购物行为。

关键词：电子商务；大数据；推荐系统；品牌偏好；用户行为；商品特征

中图分类号：F724 文献标识码：A 文章编号：2095-1302（2016）05-00-04

0 引 言

随着人类进入信息时代的步伐加快，我国电子商务市场近年来发展势头迅猛，同时保持了巨大的市场发展潜力。截至2013年12月，中国网民规模达6.18亿，其中网络购物用户规模达3.02亿[1]。但是，面对电子商务网站提供的过多商品，用户容易产生购物疲劳，也就是信息超载[2]。电子商务推荐系统是解决此问题的一种方案。该方案推荐系统根据用户购物历史数据，预测用户的商品喜好，将用户可能喜欢的商品推荐给用户，从而克服信息超载带来的不利影响，促成更多的交易以增加企业的销售额。本文基于2014年阿里巴巴大数据竞赛[3]，根据1 250万用户4个月在天猫的5.7亿条海量行为日志，建立用户的品牌偏好，进行品牌筛选并预测他们在未来1个月内对品牌的购买行为。用户在未来购买的品牌分为两种：用户接触过的品牌和用户未接触过的品牌。……