基于迭代回归树模型的跨平台长尾商品购买行为预测.docVIP

基于迭代回归树模型的跨平台长尾商品 购买行为预测 白婷文继荣赵鑫杨伯华 中国人民大学信息学院大数据管理与分析方法研宄 北京市重点实验室 长尾商品是指单种商品销量较低，但是由于种类繁多，形成的累计销雋总量较 大，能够增加企业盈利空间的商品。在电子商务网站中，用户信息量较少且购买 长尾商品数量较少、数据稀疏，因此对用户购买长尾商品的行为预测具奋一定的 挑战性。该文提出预测用户购买长尾商品的比例，研究单一用户购买长尾商品的 整体偏好程度。利用社交媒体网站上海量的文本信息和丰富的用户个人信息，提 取用户的个人属性、文本语义、关注关系、活跃时间等多个种类的特征;采用改 进的迭代回归树模型MART （Multiple Additive Regression Tree）,对用户购 买长尾商品的行为进行预测分析;分别选取京东商城和新浪微博作为电子商务网 站和社交媒体网站，使用真实数据构建回归预测实验，得到丫一些有意义的发 现。该文从社交媒体网站抽取用户特征，对于预测用户购买长尾商品的行为给出 一个新颖的思路，可以更好地理解用户个性化需求，挖掘长尾市场潜在的经济 价值，改进电子商务网站的服务。 关键词： 长尾商品;电子商务;社交媒体;购买行为预测; 基金：国家自然科学基金青年科学基金 Connecting Social Media to E-Commerce:Predicting Long-tail Purchase Behaviors using Multiple Additive Regression Tree BAI Ting WEN Jirong ZHAO Xin YANG Bohua School of Information， Renmin University of China; Abstract： Long-tail products, with low demands, occupy a significant share of total revenue in total. It is challenging to analyze the long-tail purchase behaviors due to the data sparsity resulted from few purchase behaviors. This paper proposes to leverage onl ine social media information for predicting the long-tail purchase behaviors. In specific, we collect the user profiles form the social media information, including the status text, following links and temporal activity distributions, and predict their purchases by a weighted Multiple Additive Regression Trees (MART) .Experimented on the data from JingDong and SinaWeibo, the effectiveness of the proposed method are revealed, together with several interesting findings. Keyword： long-tail products; e-commerce shopping; social media; purchase prediction; 1引言 长尾商品是指单种商品销量较低，但由于种类繁多，形成的累计销俜总量较大， 能够增加企业盈利空间的商品111。随着信息科技的发展，人们能够较容易地在 电子商务网站屮找到实体市场屮因为冷门而几乎没有消费者的长尾产品。如图1 所示，人们比较关注曲线主体的那些热门商品，而将处于曲线尾部的商品忽略， 但被忽略的较长的尾部商品累计产生的总体效益甚至可以与主体热销商品抗衡。 首先，长尾商品的销量可观，例如，有学者研宄过亚马逊网站的书木销售量和 销售排名的关系，发现亚马逊40%的图书销量来自于本地书店里不卖的图书 ［2］ ;Dcniz Oktar也指出，商家盈利的增加在于对长尾市场的开发，他认为热门 商品因为很多商家竞价出售而异致商品的利润降低，而长尾商品若能找到对其 偏好的消费者，商家获利的空间将会很大;Anderson也提出通过让商品种类全 面，并帮助用户找到它，可以推动长尾市场的繁荣［3］。 图1长尾理论屮商品销量图 对用