[發明專利]一種基于兩階段組合的在線消費行為預測方法及系統

在審

• 申請號: 202110989631.0
• 申請日: 2021-08-26
• 公開（公告）號: CN113706195A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 李剛;劉榮月;沈夢迪;馬洪棟
• 申請（專利權）人: 東北大學秦皇島分校
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q10/08;G06Q30/06
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李珉

本發明提供一種基于兩階段組合的在線消費行為預測方法及系統，涉及消費預測技術領域。本發明包括用戶數據輸入模塊，用戶數據處理模塊，用戶數據輸出模塊。將Logistic模型篩選出來的7個變量可以作為決策樹模型的輸入變量，使用決策樹模型對用戶瀏覽商品是否消費的行為進行二次預測，并輸出購買商品的概率；將傳統的統計模型與人工智能方法相結合，使在線消費行為預測模型既具有解釋性又具有準確性，并為商家制定促銷方案提供建議。

技術領域

本發明涉及消費預測技術領域，尤其涉及一種基于兩階段組合的在線消費行為預測方法及系統。

背景技術

Qiu等(2017)提出了一個兩階段的網絡購物行為預測框架。首先，計算產品之間的相關性。然后，利用支持向量機(SVM)和層次貝葉斯離散選擇模型計算顧客對候選產品的偏好。Silahtaroglu(2015)等收集網上購物行為和顧客的人口統計信息，并利用決策樹和神經網絡預測用戶是否會在購物車中購買商品。

傳統的統計計量模型具有很好的魯棒性和可解釋性，但其預測精度不夠高，無法處理高維數據；人工智能方法準確性高，對數據分布沒有嚴格要求，但其魯棒性較差，并且機器學習方法是黑箱操作，造成輸出結果的可解釋性不高。所以，本文建立一個預測在線消費行為的兩階段組合模型。

發明內容

針對現有技術存在的問題，本發明提供一種基于兩階段組合的在線消費行為預測方法及系統。

為了解決上述技術問題，本發明采用以下的技術方案：

一方面，一種基于兩階段組合的在線消費行為預測方法，具體包括以下步驟：

步驟1：對用戶在線瀏覽商品是否消費行為的歷史數據進行預處理；其中歷史數據包括定量指標值和定性指標值；

步驟1.1：將定量指標值采取最大最小標準化方法進行標準化處理；

步驟1.2：將定性指標值根據定性指標評分表進行打分；

步驟2：基于Logistic模型進行指標組合的篩選；

所述Logistic模型中，設n個獨立指標變量x＝{x₁,x₂,…,x_n}，二元響應變量y∈{0,1}，y＝1表示某個用戶購買商品，y＝0表示某個用戶不購買某個商品；設條件概率p(y＝1|x)＝p為樣本x條件下事件y＝1發生的概率，則Logistic回歸模型表示為：

其中g(x)＝w₀+w₁x₁+…+w_nx_n，w_n表示第n個獨立指標變量的權重；

對比值比取對數得到：

通過公式2求出w₀,w₁,…,w_n，若指標x_m(m＝1,2,…,n)的權重w_m不為0且相應的顯著性水平P值小于5％，則說明該特征對借款人的違約狀態具有影響，保留該指標；否則刪除該指標，以此進行變量篩選。

步驟3：將Logistic模型篩選出來的變量作為決策樹模型的輸入變量，使用決策樹模型對用戶瀏覽商品是否消費的行為進行二次預測，并輸出購買商品的概率；