基于进化集成学习的用户购买意向预测

在电子商务时代背景下,精准预测用户的购买意向已经成为提高销售效率和优化客户体验的关键因素。针对传统集成策略在模型设计阶段往往受人为因素限制的问题,构建了一种自适应进化集成学习模型用于预测用户的购买意向。该模型能够自适应地选择最优基学习器和元学习器,并融合基学习器的预测信息和特征间的差异性扩展特征维度,从而提高预测的准确性。此外,为进一步优化模型的预测效果,设计了一种二元自适应差分进化算法进行特征选择,旨在筛选出对预测结果有显著影响的特征。研究结果表明,与传统优化算法相比,二元自适应差分进化算法在全局搜索和特征选择方面表现优异。相较于六种常见的集成模型和DeepForest模型,所构建的进化集成模型在AUC值上分别提高了2.76%和2.72%,并且能够缓解数据不平衡所带来的影响。     

用户在线购买预测：一种基于用户操作序列和选择模型的方法

电商网站的兴起与用户在线购物习惯的形成,带来了海量的在线消费行为数据.如何从这些行为数据(如点击数据)中建模用户对相似产品的比较和选择过程,进而准确预测用户的兴趣偏好和购买行为,对于提高产品的购买转化率具有重要意义.针对这一问题,提出了基于用户行为序列数据和选择模型的在线购买预测解决方案.具体而言,1)使用行为序列效用函数估计用户在购买周期(session)中的最佳替代商品,然后对购买商品和最佳替代商品建立基于潜在因子的选择模型(latent factor based choice model, LF-CM),从而得到用户的购买偏好,实现对用户购买行为的预测.更进一步,为了充分地利用用户在每个购买周期的所有选择和比较信息,提高预测精度;2)提出了一种可以作用于购买周期内所有商品的排序学习模型(latent factor and sequence based choice model, LFS-CM),它通过融合潜在因子和行为序列的效用函数,提高了购买预测的精度;3)使用大规模真实数据集在分布式环境下进行了实验,并与参照算法进行了对比,证实了所提出的2个方法在用户在线购买预测上的有效性.     

基于用户兴趣的个性化推荐算法研究

目前,越来越多的社交平台和电商平台推出个性化服务,社交平台向用户推荐有价值的内容,电商平台向用户推荐性价比高的商品,视频网站也根据用户历史的浏览兴趣推荐可能感兴趣的内容.个性化推荐的服务已经渗透到生活中诸多环节,以用户兴趣为导向进行个性化的定制服务,提高内容推荐的准确率对于提升平台粘性具有很大的经济价值.     

基于时序特征融合的动态签名鉴伪算法

针对现有签名鉴伪方法对高水平伪签名鉴伪准确率低的问题,提出一种基于时序特征融合的动态签名鉴伪算法。首先根据签名者落笔与提笔的时间节点建立动态时间轴,在签名过程中提取笔迹的压力和笔速两类时序特征;然后在两类特征对应数据的基础上构建时序特征融合模型,通过一种多维空间模型相似性度量方法计算待测签名和样本签名的相似度,从而实现签名真伪性鉴别。实验结果表明,与现有算法相比,该方法进一步提高了签名鉴伪的准确率和通用性。     

基于Spark和改进的TF-IDF算法的用户特征分析

使用朴素贝叶斯分类算法,结合Spark内存计算框架,对用户观看视频及次数信息进行分析,建立用户性别和年龄区间的分类模型;然后利用特征项的权重优化模型,考虑到每个特征项在各个类别中的权重对分类结果的影响,提出了一种基于特征项与类别间相关性的TFC-IDFC权重计算方法,并与传统的TF-IDF权重计算方法进行比较,通过正确率和F1值两个指标,证明考虑到特征项与类别的相关性所提出的TFC-IDFC权重使得分类模型的分类能力更好。     

基于用户相似度和特征分化的广告点击率预测研究

大数据环境下如何对互联网广告进行精准投放一直是计算广告学领域高度关注的问题。作为在线广告投放效果的一个重要指标,点击率的精确预测关系到媒体、用户和广告主三方的利益。目前的主流方法是通过抽取特征建立单一点击率预测模型,其不足之处在于使用单个权重来度量特征对点击率的影响过于片面。该研究基于分而治之的思想,提出了基于用户相似度和特征分化的混成模型。该模型首先根据混合高斯分布来评估用户相似度,将其划分为多个群体。针对不同群体,分别构建子模型并进行有效组合,从而挖掘同一特征对不同群体的差异化影响,进而准确地预测广告点击行为。通过使用真实互联网公司的广告数据集进行实验,并与主流方法做了详细的对比分析,检验了该方法的有效性。     

基于用户预测的推荐算法研究

B2C只是一个过渡性的商业模式,未来电子商务真正模式是C2B。推荐系统是在电子商务平台上常见的一种推荐方式。基于推荐算法在电子商务网站的实际应用中因为C2B模式的兴起面临看很好的机遇,通过预测用户需求来实现厂家按需生成以及商家按需进货。     

融合深度学习与集成学习的用户离网预测

随着国内通信市场逐渐饱和, 电信运营商之间的竞争日趋激烈. 用户流失预测已成为电信运营商最关注的问题之一. 本文提出一种基于多模型融合的方法创建用户离网预测模型. 首先, 将原始训练数据经过有放回采样和正负样本平衡得到多份不同的训练数据; 然后, 利用多份不同的训练数据使用集成学习与深度学习算法训练得到多个基础模型; ...     

基于用户特征和相似置信度的协同过滤算法

针对推荐系统中协同过滤算法存在的用户冷启动和数据稀疏性的问题,提出一种基于用户特征的相似度和基于置信度的相似度相融合的计算方法。该算法对用户的特征进行计算得到一个相似度,再考虑到能正常反映用户之间的相似兴趣而进行计算得到一个和置信度有关的相似度,将两个相似度的权重按“相加为1”的方式进行融合得到最终的相似度。实验结果表明,这一方法在数据较为稀疏、用户邻居数较少的情况下与传统的协同过滤算法相比有较好的推荐效果。     

基于多粒度特征和混合算法的文档推荐系统

文库系统对信息的传播利用有着重要的作用, 但在文库系统中出现信息过载问题后, 数据的利用率会大大降低. 针对该问题提出了一种基于多粒度特征和混合算法的文档推荐系统, 系统在短语和词语两个粒度上对用户兴趣及文档特征进行建模, 综合基于内容推荐算法及协同过滤算法, 为用户生成兴趣列表. 系统测试数据表明, 系统在准确率、召回率、覆盖率、新颖度等指标上均有较为优异的表现, 其为用户推荐的文档较符合用户实际偏好, 有助于提升文库系统的数据利用率, 改善用户体验.     

一种基于网页结构特征的用户建模技术

本文提出一种基于网页结构特征的用户建模技术。它通过对某些网页标记内的词汇人为提升词频数,将提取到的网页特征加入到用户模型的计算中。实验结果表明,该技术能建立更有效的用户模型。     

基于集成学习与不平衡数据的返贫预测

中国在扶贫工作取得决定性成就的同时,仍有一些脱贫人口存在返贫风险。本文基于不平衡数据集,利用SMOTE模型对返贫类别样本进行过采样处理,处理后的返贫与未返贫样本数据比例为3:1;接着建立基于Stacking集成学习的返贫预测模型,利用网格搜索对各个模型超参数进行寻优,结合10折交叉验证提高模型的泛化能力。本文使用4种不同的融合模型对脱贫户是否返贫进行预测。实验结果表明,与单一模型相比,模型融合后的分类效果要优于单独的分类器,其中最优融合模型的Acc为0.962,F1-score为0.946。     

一种基于流数据统计的加权组合预估算法

通过对比当前测试数据与历史数据的分布特点,利用加权的分类模型组合预估测试数据的类别。     

基于Jess推理的网络消费者非理性购买预测

随着电子商务的高速发展,网络购物越来越经济便捷,相比于传统的网下购物,更多的消费者选择网购,这就使得非理性购买行为大量涌现,研究网络消费者非理性行为势在必行。然而,学者们大多关注传统购物环境下的非理性购买行为,并且研究内容比较琐碎,缺乏系统的框架。考虑到很多消费者选择通过在线评论表达对购买行为的情感和观点,因此首先利用情感计算和文本挖掘技术,在充分挖掘语义资源的基础上,借助模糊数学理论构建模糊语义模型,同时,以内、外部诱导因素为前件,以消费者非理性购买程度作后件,建立了模糊推理模型;然后,针对消费者非理性购买行为和过程,通过protégé建立本体,梳理各个因素之间的联系,构建知识库;最后,利用Jess构建模糊推理事实库与规则库,通过Jess推理机获取消费者非理性购买程度。     

基于传播时空特性的社交网络灰帽用户检测

社交网络灰帽用户极易隐藏且类型多样,导致现有检测算法适用性较差。提出一种基于传播时空特性的社交网络检测算法。构建用户生成内容传播网络度量白帽和灰帽用户在传播空间上的不同特性,融合时空传播特性并调节权重比例以提高分类性能。实验结果表明,该算法能有效检测不同类型灰帽用户,与用户特征分析、社交网络链接分析、多视图融合等主流灰帽用户检测算法相比,其在CAVERLEE、CRESCI-15、CRESCI-17等多个数据集上的准确率及AUC值最高分别提升26.08%和30.54%。     

基于遗传算法的高分辨率遥感分类器融合

提出利用遗传算法设计的2种多分类器融合模型：在模型1中,各单分类器选择不相交的特征子空间;模型2则取消了上述限制。通过实验,对2种模型与2种单分类器进行了对比。结果表明,2种多分类器模型能有效地提高分类精度,且模型1利用了不相交特征空间,更有利于提高特征相关性较大的高分辨率遥感图像的分类精度。     

利用用户定义特征实现基于约束设计

提出了基于约束的用户定义特征（User Defined Feature,UDF)定义与比实例化的通用机制及基于约束的特征库管理,并应用于国产CAD／CAM软件金银花（Lonicera)系统,以航空发动机转子为例,建立了转子特征库,对系统功能进行了验证。该项工作既为详细设计阶段考虑装约束和制造约束提供了方便,提高了设计效率,也为将用户定义特征与产品功能相联系、以支持计算机辅助概念设计打下了基础。     

基于动态遗传算法的用户模型进化研究

信息过滤技术是解决“信息过载”和“信息迷向”问题的有效手段。为高效地确立用户的信息需求模型,文中提出一种新颖的合作过滤方法。该方法采用动态遗传算法进行启发式特征术语的选择,可以有效地与其它用户分享信息选择经验,借以优化用户模型,提高信息选择的质量。实验验证了方法的有效性。