基于CNN-LSTM的用户购买行为预测模型

• 作者: 吴冬强 张会兵 胡晓丽 董俊超
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 电子商务 购买行为预测 样本均衡 卷积神经网络 长短时记忆网络
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 59-64
• 页数: 6页
• 分类号: TP391
• 字数: 4712字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.06.012

摘要

利用电商平台上的购物历史数据对用户购买行为进行预测有助于提升用户体验和营销效果.提出一种基于CNN-LSTM的用户购买行为预测模型.使用"分段下采样"对样本数据进行均衡化处理以获得购买用户和未购买用户均衡样本;使用CNN-LSTM组合网络实现用户属性、商品属性及用户行为特征的自动抽取与选择,并以此对用户购买行为进行预测.在阿里巴巴移动电商平台数据集的实验结果表明,基于CNN-LSTM的预测模型F1值比基准模型平均提升了7％～11％,使用"分段下采样"样本均衡算法F1值提升了2％左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张会兵	桂林电子科技大学广西可信软件重点实验室	30	72	4.0	6.0
2	胡晓丽	桂林电子科技大学教学实践部	13	13	2.0	2.0
3	董俊超	桂林电子科技大学广西可信软件重点实验室	2	0	0.0	0.0
4	吴冬强		3	0	0.0	0.0