基于阿里巴巴大数据的购物行为研究

• 作者: 雷名龙
• 来源期刊: 物联网技术
• 关键词: 电子商务 大数据 推荐系统 品牌偏好 用户行为 商品特征
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 智能处理与应用
• 页码范围: 57-60
• 页数: 4页
• 分类号: F724
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2016.05.018

摘要

个性化推荐系统能解决电子商务带来的信息过载等问题.文章基于2014年阿里巴巴大数据竞赛,从海量的购物行为数据中抽取有效特征,探究建立用户品牌偏好的有效方法并对其进行商品推荐.通过对购物行为数据的统计分析,挖掘了包括用户特征、商品特征和用户-商品行为特征在内的3种有效特征.并构造了随机森林、逻辑回归和SVM三种机器学习分类模型,从而有效地根据用户品牌偏好进行商品筛选并预测未来一个月内用户对商品的购物行为.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷名龙		1	8	1.0	1.0