盛钟松

（四川大学计算机学院，成都610065）

0 引言

电商平台的发展逐渐影响着人们的消费方式，随着互联网技术的发展，网上购物已经成为新时代的一种趋势和常态，电商作为一种服务为广大群众提供了方便和舒适的购物体验。近年来，各大电商平台的规模也越做越大，国内电商市场也逐渐被淘宝、京东和拼多多所占领，电商平台要在如此激烈的竞争中保持前行，必须要对用户群体有足够的了解。不同的用户在电商平台的各种行为操作为平台带来了海量的数据，如何从海量数据中分析出用户的兴趣爱好，为用户推荐其最可能感兴趣的商品，提高平台的交易额以及产品知名度，成为了平台亟需解决的难题。当然，数据挖掘技术的日益成熟为用户购买预测问题提供了解决方案。

1 相关工作

基于用户在各大电商平台的行为数据，预测用户未来是否对目标商品具有购买意向，可以建模成一个二分类问题。针对二分类问题，学术界提出了多种不同的机器学习分类算法。如何将这些机器学习算法应用到电商用户购买预测问题中，已经逐渐成为学术界的一大研究热点。祝歆等人[1]基于淘宝电商平台的用户历史行为数据，通过训练多个不同的基类学习器，再对不同的基类学习器进行融合，实验表明融合模型的预测准确率要优于其他个体模型。葛绍林等人[2]对深度深林算法做出改进，对用户购买做出预测，实验表明该模型的训练时间和训练效果都要优于其他个体模型。……