一种基于大数据的用户购买意向预测方法技术

本发明专利技术涉及机器学习、大数据技术领域，特别涉及一种基于大数据的用户购买意向预测方法，包括对数据集进行预处理操作；根据数据集划分训练集、验证集和测试集操作；构建特征工程操作；对构建的特征工程进行特征选择操作；根据选择的特征建立机器学习模型并进行模型融合操作；通过构建的模型，预测用户未来一天是否购买指定商品操作；本发明专利技术通过对用户基本信息数据、商品基本信息数据、商品评价数据和用户行为数据进行数据预处理和分析提取特征，建立机器学习模型并进行模型融合操作，从而准确的预测用户未来的购买需求，输出高潜用户和目标商品的匹配结果，为精准营销提供高质量的目标群体，同时也为电商用户提供更简单、快捷、省心的购物体验。

【技术实现步骤摘要】
一种基于大数据的用户购买意向预测方法
本专利技术涉及机器学习、大数据
，特别涉及一种基于大数据的用户购买意向预测方法。
技术介绍
近年来，国内各个电商平台迅速崛起，很多电商平台在保持高速发展的同时，沉淀了数亿的忠实用户，积累了海量的真实数据。如何从历史数据中找出规律，去预测用户未来的购买需求，让最合适的商品遇见最需要的人，是大数据应用在精准营销中的关键问题，也是所有电商平台在做智能化升级时所需要的核心技术。本专利技术通过大数据技术和机器学习的算法，构建用户购买商品的预测模型，输出高潜用户和目标商品的匹配结果，为精准营销提供高质量的目标群体。同时，挖掘数据背后潜在的意义，为电商用户提供更简单、快捷、省心的购物体验。
技术实现思路
本专利技术针对电商平台精准营销中的关键问题，提出一种基于大数据的用户购买意向预测方法，如图1，包括：S1、对数据集进行预处理操作；S2、根据数据集划分训练集、验证集和测试集操作；S3、构建特征工程操作；S4、对构建的特征工程进行特征选择操作；S5、根据选择的特征建立机器学习模型并进行模型融合操作；S6、通过构建的模型，预测用户未来一天是否购买指定商品操作。进本文档来自技高网...

【技术保护点】
1.一种基于大数据的用户购买意向预测方法，其特征在于，包括以下步骤：S1、对数据集进行预处理操作；S2、根据数据集划分训练集、验证集和测试集操作；S3、构建特征工程操作；S4、对构建的特征工程进行特征选择操作；S5、根据选择的特征建立机器学习模型并进行模型融合操作；S6、通过构建的模型，预测用户未来一天是否购买指定商品操作。

【技术特征摘要】
1.一种基于大数据的用户购买意向预测方法，其特征在于，包括以下步骤：S1、对数据集进行预处理操作；S2、根据数据集划分训练集、验证集和测试集操作；S3、构建特征工程操作；S4、对构建的特征工程进行特征选择操作；S5、根据选择的特征建立机器学习模型并进行模型融合操作；S6、通过构建的模型，预测用户未来一天是否购买指定商品操作。2.根据权利要求1所述的一种基于大数据的用户购买意向预测方法，其特征在于，所述对数据集进行预处理操作包括删除只有购买记录的用户，删除无收藏或无购物车或无购买行为的用户，删除最后10天没有交互的商品和用户。3.根据权利要求1所述的一种基于大数据的用户购买意向预测方法，其特征在于，根据数据集划分训练集、验证集和测试集操作包括采用滑窗法，以7天为一个周期，窗口长度为10天进行滑窗，从而构建多个训练窗口，扩大数据集数量；其中，验证集的构建采取5折交叉验证的方式，其中4份作为训练数据，1份作为验证数据，测试集的构建选取预测日前10天的数据作为测试数据。4.根据权利要求1所述的一种基于大数据的用户购买意向预测方法，其特征在于，构建特征工程操作包括包括基础统计特征群、时序特征群、组合特征群、业务特征群共四组特征群，基础特征群包括用户浏览数、用户收藏数、用户加购数、用户购买数、商品浏览数、商品收藏数、商品加购数、商品购买数、用户购买转化率、商品购买转化率，时序特征群包括用户在最后第2、3、4、5、7、10天对商品浏览数、收藏数、加购数和购买数的最大值、最小值、均值、中位数、方差、求和，组合特征群包括用户-商品浏览数、用户-商品收藏数、用户-商品加购数、用户-商品购买数、用户-商品类别浏览数、用户-商品类别收藏数、用户-商品类别加购数、用户-商品类别购买数、用户-商品品牌浏览数、用户-商品品牌收藏数、用户-商品品牌加购数、用户-商品品牌购买数，业务特征群包括用户第一...

【专利技术属性】
技术研发人员：童毅，周波依，
申请(专利权)人：博拉网络股份有限公司，
类型：发明
国别省市：重庆,50