基于Spark的电商网站用户行为分析预测系统研究.pdfVIP

第18卷第1期贵阳学院学报（自然科学版）（季刊）Vol.18No.1

2023年3月JOURNALOFGUIYANGUNIVERSITYNaturalSciences(Quarterly)Mar.2023

基于Spark的电商网站用户行为分析预测系统研究

谢鑫

（漳州职业技术学院，福建漳州363000）

摘要：以Spark软件为工具，对电商网站用户行为分析预测系统进行探讨，在此基础上，对一家电商平台

进行了一系列的预处理，包括在一定的时间段内，对用户的行为进行处理，提出时间序列规则处理原始数据

动态滑动窗口。用户行为分析实验表明，XGBoost的训练模式表现最好，而决策树的学习效果最差。XGBoost

模型无需对全部的训练进行集合，是通过XGBoost在每一个滑行窗口内使用XGBoost来输出最后的预测。XG-

Boost在预测结果正确率、稳定性方面均较好。Spark平台主要由数据读入、RDD的创建、用户行为预测计算

三部分构。相比Hadoop平台，基于Spark平台系统效率提高了近8倍，系统运行速度降低幅度较大，减少了

电商网站运营成本，Spark平台系统可靠性较高。

关键词：Spark软件；用户行为分析；预测；电商网站；XGboost模型

中图分类号：TP393文献标识码：A文章编号：1673-6125（2023）01-0009-05

ResearchonSparkbasedE-commerceWebsite

UserBehaviorAnalysisandPredictionSystem

XIEXin

(ZhangzhouVocationalandTechnicalCollege,Zhangzhou363000,Fujian,China)

Abstract:BasedonSparksoftware,thispaperstudiestheuserbehavioranalysisandpredictionsystemofe-commerce

websites,andonthisbasis,aseriesofpre-processingiscarriedoutonane-commerceplatform,includingprocessing

userbehaviorwithinacertainperiodoftime,andproposingtimeseriesrulestoprocessthedynamicslidingwindowof

rawdata.UserbehavioranalysisexperimentsshowthatXGBooststrainingmodeperformsthebest,whiledecisiontrees

havetheworstlearningeffect.TheXGBoostmodeldoesnotneedtosetallthetraining,andusesXGBoostineachgli-

dingwindowtooutputthefinalprediction.XGBoosthasgoodaccuracyandstabilityinpredictionresults.TheSpark

platformismainlycomposedofthreeparts:datareading,RDDcreation,anduserbehaviorpredictionandcalculation.

ComparedwithHadoopplatform,thesystemefficienc