曾宪宇　刘　淇　赵洪科　徐　童　王怡君　陈恩红

(中国科学技术大学计算机学院　合肥　230027)



用户在线购买预测：一种基于用户操作序列和选择模型的方法

曾宪宇刘淇赵洪科徐童王怡君陈恩红

(中国科学技术大学计算机学院合肥230027)

(zengxy@mail.ustc.edu.cn)

电商网站的兴起与用户在线购物习惯的形成，带来了海量的在线消费行为数据.如何从这些行为数据(如点击数据)中建模用户对相似产品的比较和选择过程，进而准确预测用户的兴趣偏好和购买行为，对于提高产品的购买转化率具有重要意义.针对这一问题，提出了基于用户行为序列数据和选择模型的在线购买预测解决方案.具体而言，1)使用行为序列效用函数估计用户在购买周期(session)中的最佳替代商品，然后对购买商品和最佳替代商品建立基于潜在因子的选择模型(latentfactorbasedchoicemodel,LF-CM)，从而得到用户的购买偏好，实现对用户购买行为的预测.更进一步，为了充分地利用用户在每个购买周期的所有选择和比较信息，提高预测精度;2)提出了一种可以作用于购买周期内所有商品的排序学习模型(latentfactorandsequencebasedchoicemodel,LFS-CM)，它通过融合潜在因子和行为序列的效用函数，提高了购买预测的精度;3)使用大规模真实数据集在分布式环境下进行了实验，并与参照算法进行了对比，证实了所提出的2个方法在用户在线购买预测上的有效性.

在线购买预测；选择模型；行为序列；序列效用；分布式平台

随着电子商务的迅猛发展，电商消费者规模与在线交易量……