信息技術(shù)的飛速發(fā)展,我們已經(jīng)進入了網(wǎng)絡(luò)大數(shù)據(jù)時代,年輕人的網(wǎng)購已經(jīng)成為了一種時尚,電子商務(wù)平臺已聚集了大量消費者的購買數(shù)據(jù)。很多的電子商務(wù)平臺利用Hadoop及Spark等大數(shù)據(jù)和云計算技術(shù)^[1],從高維海量的數(shù)據(jù)中提取有用的信息,對在線用戶消費行為進行分析建模,預(yù)測消費者的需求。其主要用途在于三個方面。一方面用于商品的展現(xiàn)、個性化推薦和精準(zhǔn)地投放廣告;另一方面用于通過商品價格、銷售量、商品評價等影響用戶購買決策;最后用于支持國家、地區(qū)和企業(yè)基于數(shù)據(jù)的決策,根據(jù)購買數(shù)據(jù)的分析結(jié)果了解消費者的消費行為,及時調(diào)整產(chǎn)業(yè)結(jié)構(gòu),使得經(jīng)濟協(xié)調(diào)、穩(wěn)定、持續(xù)的發(fā)展,造福于社會^[2]。本文針對當(dāng)前電商平臺面臨的用戶消費行為預(yù)測準(zhǔn)確率問題,將數(shù)據(jù)挖掘技術(shù)引用到用戶消費行為分析預(yù)測中,對現(xiàn)有的數(shù)據(jù)挖掘算法進行篩選和組合,構(gòu)建一種適合于利用網(wǎng)絡(luò)數(shù)據(jù)對用戶消費行為進行分析與預(yù)測的算法。為確保論文具有實際應(yīng)用價值,本文的數(shù)據(jù)來源于淘寶網(wǎng)的消費數(shù)據(jù)。但由于從網(wǎng)上獲取的數(shù)據(jù)常常存在缺失值、異常數(shù)據(jù)和量綱不一致等特點,所以本文首先對原始數(shù)據(jù)進行預(yù)處理。為避免數(shù)據(jù)維度過高,本文... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：44 頁

【學(xué)位級別】：碩士

【部分圖文】：

主成分幾何解釋圖

到訓(xùn)練數(shù)據(jù)集中，循環(huán)反復(fù)直至形成正確的決策集，事實集的樹形結(jié)構(gòu)即為決策樹[33]。點、分支和葉子構(gòu)成決策樹模型[34]。在實際應(yīng)用中，我們實現(xiàn)分類與預(yù)測，決策節(jié)點表示待分類實例的特征，每一取值，每一葉子表示最終分類[34]。T 樹回歸樹（Classification and Regression Tree，CART）算法的決策樹算法，它既可以用于解決分類問題，也可以用于文未使用回歸樹模型，因此僅闡述 CART 算法中分類樹的 樹的假設(shè)前提是決策樹必定為二叉樹，內(nèi)部節(jié)點的特征值種。所以若某個特征的類別的所有可能取值不止 2 個，則個分支節(jié)點的類別取值不止為一個類別。CART 樹的示意

5.1.2 異常數(shù)據(jù)處理為觀察數(shù)據(jù)的分布，首先作每日用戶行為的條形圖。圖 5.1 表示商品每日的點擊量，可以發(fā)現(xiàn)點擊量最大的時間是在 2015 年 9 月 9 日，在這一天的總點擊量為 503980 次。圖 5.1 商品每日的點擊量Fig5.1 The Number of Daily Clicks圖 5.2 給出了商品每日被用戶購買的條形圖，商品每日被用戶購買的數(shù)量明顯少于商品每日被用戶點擊的數(shù)量。從圖中可以發(fā)現(xiàn)購買量最大的時間是在 2015年 9 月 9 日，在這一天的總購買量為 133488 次。

【參考文獻】：
期刊論文
[1]基于MI聚類的個性化推薦算法研究[J]. 張強,龍華,高杰,周芝民,邵玉斌.  信息技術(shù). 2017(10)
[2]一種基于協(xié)同矩陣分解的用戶冷啟動推薦算法[J]. 高玉凱,王新華,郭磊,陳竹敏.  計算機研究與發(fā)展. 2017(08)
[3]基于時間衰減的協(xié)同過濾推薦算法[J]. 董立巖,王越群,賀嘉楠,孫銘會,李永麗.  吉林大學(xué)學(xué)報(工學(xué)版). 2017(04)
[4]融合用戶相似度與信任度的協(xié)同過濾推薦算法[J]. 蔣宗禮,李慧.  軟件導(dǎo)刊. 2017(06)
[5]基于用戶歷史行為的協(xié)同過濾推薦算法[J]. 王志虎,黃曼瑩.  微電子學(xué)與計算機. 2017(05)
[6]融合社交網(wǎng)絡(luò)特征的協(xié)同過濾推薦算法[J]. 郭寧寧,王寶亮,侯永宏,常鵬.  計算機科學(xué)與探索. 2018(02)
[7]基于主成分分析法的企業(yè)財務(wù)風(fēng)險預(yù)警分析[J]. 高惠芬,劉濤,邱凎俤,王佳偉,蔡俊煌.  經(jīng)貿(mào)實踐. 2017(06)
[8]利用大數(shù)據(jù)技術(shù)在電子商務(wù)中對客戶忠誠度分析[J]. 張曉諾.  中國科技信息. 2015(Z3)
[9]基于模糊樸素貝葉斯方法的客戶消費行為預(yù)測研究[J]. 楊瓊,唐振平,陳建華,蔣建軍,韋海峰.  湖南科技學(xué)院學(xué)報. 2013(12)
[10]基于PLS路徑模型的顧客滿意度測評研究[J]. 趙富強,張磊,陳釩.  北京理工大學(xué)學(xué)報(社會科學(xué)版). 2010(04)

碩士論文
[1]基于文本分類技術(shù)的垃圾郵件過濾研究[D]. 張小花.安徽大學(xué) 2017
[2]個性化推薦系統(tǒng)中的推薦算法研究[D]. 郭冬萌.北京交通大學(xué) 2017
[3]數(shù)據(jù)挖掘在電商客戶行為忠誠度預(yù)測研究中的應(yīng)用[D]. 吳翔宇.蘭州財經(jīng)大學(xué) 2016
[4]基于梯度提升回歸算法的O2O推薦模型研究[D]. 鄧仙榮.安徽理工大學(xué) 2016
[5]基于社會網(wǎng)絡(luò)的短期重復(fù)購買產(chǎn)品的促銷策略研究[D]. 王灝文.西南交通大學(xué) 2016
[6]基于大規(guī)模電商數(shù)據(jù)的用戶消費行為分析方法研究[D]. 顧海斌.吉林大學(xué) 2016
[7]數(shù)據(jù)挖掘技術(shù)在高校教師科研管理中的應(yīng)用研究[D]. 丁磊.大連海事大學(xué) 2016
[8]基于感知價值的社會化商務(wù)用戶行為研究[D]. 王力平.山東財經(jīng)大學(xué) 2015
[9]基于用戶行為分析的電子商務(wù)網(wǎng)站運營策略研究[D]. 蘇宇.北京郵電大學(xué) 2014
[10]基于協(xié)同過濾算法的推薦系統(tǒng)框架設(shè)計與實現(xiàn)[D]. 遲軒.上海交通大學(xué) 2013



本文編號：3009190