王晗璐，夏　斌

(上海海事大学 信息工程学院，上海 201306)



基于机器学习的B2B电子商务平台产品排名研究

王晗璐，夏斌

(上海海事大学 信息工程学院，上海 201306)

随着互联网的发展，电子商务已经成为一种新的商业活动模式。商品在电子商务平台的排名，直接决定了产品的销量。如何优化产品的排名，是所有电子商务公司关注的问题。从商品的文本信息角度出发，利用机器学习方法来研究文本信息与产品排名之间的关系。从特征提取方法和分类算法两个角度进行了比较研究。首先比较了TFIDF和词频法(WF)两种特征提取方法，进一步又比较了朴素贝叶斯、支持向量机(SVM)以及随机森林(RF)三个分类算法。研究结果表明，在该文的数据集上进行文本分类排名分析，词频法结合随机森林取得了最好的分类效果。

产品排名; 词频法; 随机森林; 文本分类

引用格式：王晗璐，夏斌. 基于机器学习的B2B电子商务平台产品排名研究[J].微型机与应用，2016,35(11)：45-47.

0　引言

电子商务的概念起源于1995年，阿里巴巴国际站(简称：阿里国际站)是一个主要的电商平台[1]，它为小型商家的国际贸易提供良好的平台。商家们通过在平台上展示商品，从而获得商机[2-3]。为了获得更多的商机，改善产品在阿里平台上的排名十分重要。平台中产品展示的信息包括产品标题、属性、图片等，还有一些无法看到的信息，如产品关键词。当用户输入关键词后，阿里平台会根据相关产品的信息进行打分，然后生成一个产品列表，得分越高的产品排名越靠前，被用户浏览到的可能性越大，反之，产品分数越低，排名越靠后，产品销量越小。……