[发明专利]基于用户行为特征挖掘用户潜在购买商品和品类的方法在审
| 申请号： | 201910687675.0 | 申请日： | 2019-07-29 |
| 公开（公告）号： | CN110555717A | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 程锐;张艳青;杨漫瑶 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06Q30/02 | 分类号： | G06Q30/02;G06Q30/06 |
| 代理公司： | 44245 广州市华学知识产权代理有限公司 | 代理人： | 林梅繁 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于用户行为分析和数据挖掘领域，涉及一种基于用户行为特征挖掘用户潜在购买商品和品类的方法，对预处理后的数据进行数据编码，并进行特征工程处理，得到用户行为特征数据；对样本数据进行正负样本分析与分类，将正负样本通过动态欠采样处理生成多个样本子集，作为训练的正负样本数据；通过正负样本数据对决策树模型进行训练，训练出多个单预测模型，再通过stacking方式对单预测模型进行融合，生成多个融合预测模型；基于多个融合预测模型对用户潜在购买商品和品类进行预测，对各个融合预测模型的预测结果进行处理分析，得到带有权重的用户潜在购买商品和品类。本发明能帮助商户发掘高潜在购买意向的用户，提高营销的用户消费转换率。 | ||
| 搜索关键词： | 预测模型 正负样本 购买商品 融合 用户行为特征 预处理 用户行为分析 决策树模型 工程处理 数据编码 数据挖掘 样本数据 样本子集 预测结果 欠采样 转换率 权重 商户 分析 挖掘 分类 营销 预测 购买 帮助 | ||
【主权项】：
1.基于用户行为特征挖掘用户潜在购买商品和品类的方法，其特征在于，包括：/n数据清洗与数据预处理，得到预处理后的数据；/n对预处理后的数据进行数据编码，并提取基本特征、统计类特征、时间间隔类特征、计算类特征，对提取的特征通过过滤法进行特征重要性评估，筛选出重要特征和冗余特征，在进行特征重要性评估过程，针对某些用户行为离预测时间越近对结果影响越大，引入时间衰退理论，对数据特征进行加权处理，得到用户行为特征数据；/n对样本数据进行正负样本分析与分类，将正负样本通过动态欠采样处理生成多个样本子集，作为训练的正负样本数据；/n通过正负样本数据对决策树模型进行训练，训练出多个单预测模型，再通过stacking方式对单预测模型进行融合，生成多个融合预测模型；/n利用融合预测模型进行预测，将预测结果与期望值进行对比，反馈给决策树模型进行参数调整和模型再训练，直到得出最优的模型参数；/n基于多个融合预测模型对用户潜在购买商品和品类进行预测，对各个融合预测模型的预测结果进行处理分析，得到带有权重的用户潜在购买商品和品类。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910687675.0/，转载请声明来源钻瓜专利网。
