基于迭代回归树模型的跨平台长尾商品购买行为预测

《基于迭代回归树模型的跨平台长尾商品购买行为预测》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于迭代回归树模型的跨平台长尾商品购买行为预测白婷文继荣赵鑫杨伯华中国人民大学信息学院大数据管理与分析方法研宄北京市重点实验室长尾商品是指单种商品销量较低，但是由于种类繁多，形成的累计销雋总量较大，能够增加企业盈利空间的商品。在电子商务网站中，用户信息量较少且购买长尾商品数量较少、数据稀疏，因此对用户购买长尾商品的行为预测具奋一定的挑战性。该文提出预测用户购买长尾商品的比例，研究单一用户购买长尾商品的整体偏好程度。利用社交媒体网站上海量的文本信息和丰富的用户个人信息，提取用户的个人属性、文本语义、关注关系、活跃时间等多个种类的

2、特征;采用改进的迭代回归树模型MART（MultipleAdditiveRegressionTree）,对用户购买长尾商品的行为进行预测分析;分别选取京东商城和新浪微博作为电子商务网站和社交媒体网站，使用真实数据构建回归预测实验，得到丫一些有意义的发现。该文从社交媒体网站抽取用户特征，对于预测用户购买长尾商品的行为给出一个新颖的思路，可以更好地理解用户个性化需求，挖掘长尾市场潜在的经济价值，改进电子商务网站的服务。关键词：长尾商品;电子商务;社交媒体;购买行为预测;基金：国家自然科学基金青年科学基金（61502502）Conn

3、ectingSocialMediatoE-Commerce:PredictingLong-tailPurchaseBehaviorsusingMultipleAdditiveRegressionTreeBAITingWENJirongZHAOXinYANGBohuaSchoolofInformation，RenminUniversityofChina;Abstract：Long-tailproducts,withlowdemands,occupyasignificantshareoftotalrevenueintotal.It

4、ischallengingtoanalyzethelong-tailpurchasebehaviorsduetothedatasparsityresultedfromfewpurchasebehaviors.Thispaperproposestoleverageonlinesocialmediainformationforpredictingthelong-tailpurchasebehaviors.Inspecific,wecollecttheuserprofilesformthesocialmediainformation

5、,includingthestatustext,followinglinksandtemporalactivitydistributions,andpredicttheirpurchasesbyaweightedMultipleAdditiveRegressionTrees(MART).ExperimentedonthedatafromJingDongandSinaWeibo,theeffectivenessoftheproposedmethodarerevealed,togetherwithseveralinterestin

6、gfindings.Keyword：long-tailproducts;e-commerceshopping;socialmedia;purchaseprediction;1引言长尾商品是指单种商品销量较低，但由于种类繁多，形成的累计销俜总量较大，能够增加企业盈利空间的商品111。随着信息科技的发展，人们能够较容易地在电子商务网站屮找到实体市场屮因为冷门而几乎没有消费者的长尾产品。如图1所示，人们比较关注曲线主体的那些热门商品，而将处于曲线尾部的商品忽略，但被忽略的较长的尾部商品累计产生的总体效益甚至可以与主体热销商品抗衡。首

7、先，长尾商品的销量可观，例如，有学者研宄过亚马逊网站的书木销售量和销售排名的关系，发现亚马逊40%的图书销量来自于本地书店里不卖的图书［2］;DcnizOktar也指出，商家盈利的增加在于对长尾市场的开发，他认为热门商品因为很多商家竞价出售而异致商品的利润降低，而长尾商品若能找到对其偏好的消费者，商家获利的空间将会很大;Anderson也提出通过让商品种类全面，并帮助用户找到它，可以推动长尾市场的繁荣［3］。图1长尾理论屮商品销量图对用户购买长尾商品的行为进行预测，就是探宄哪些用户更倾向于购买长尾商品，分析用户购买长尾商品时的

8、偏好、购买习惯等特点。长尾商品由于购买量少导致数据稀疏，传统的基于内容推荐和协同过滤、关联规则、聚类等方法适用性较差，所以对用户购买长尾商品行为的预测具有一定的挑战性。本文提出一种基于社交媒体信息对用户购买长尾商品行为做预测的方法，探究如何利用社交媒体上海量的文本信息和丰富的