【摘要】：在提高電子商務(wù)網(wǎng)站用戶忠誠(chéng)度的研究中,由于電子商務(wù)用戶數(shù)據(jù)復(fù)雜的內(nèi)部結(jié)構(gòu),傳統(tǒng)的方法支持向量機(jī)(SVM)在挖掘潛在忠誠(chéng)用戶群模式時(shí),無(wú)法利用用戶的消費(fèi)歷史記錄和上下文信息進(jìn)行挖掘,從而降低了電子商務(wù)用戶忠誠(chéng)度挖掘的準(zhǔn)確度。提出一種采用回歸預(yù)測(cè)的支持向量機(jī)的算法,旨在應(yīng)用回歸預(yù)測(cè)機(jī)制更好的利用用戶歷史購(gòu)買(mǎi)行為記錄,并分析用戶購(gòu)買(mǎi)行為記錄的背景,從而提高電子商務(wù)用戶忠誠(chéng)度評(píng)估的準(zhǔn)確度,實(shí)驗(yàn)結(jié)果表明,上述算法與傳統(tǒng)的支持向量機(jī)算法相比,準(zhǔn)確度提高了約15%左右。
[Abstract]:In the research of improving the loyalty of e-commerce users, because of the complex internal structure of e-commerce users' data, the traditional support vector machine (SVM) is used to mine the potential loyal user group patterns. The user's consumption history and context information can not be used for mining, which reduces the accuracy of user loyalty mining. A support vector machine (SVM) algorithm based on regression prediction is proposed, which aims to make better use of the user's historical purchase behavior records and analyze the background of the user's purchase behavior records by using the regression prediction mechanism. The experimental results show that compared with the traditional support vector machine algorithm, the accuracy of the above algorithm is improved by about 15%.
【作者單位】： 北京工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院;
【分類號(hào)】：F724.6;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前4條

1 周芬;;在線社區(qū)用戶忠誠(chéng)度影響因素研究[J];信息資源管理學(xué)報(bào);2012年02期

2 利燕紅;張志彬;;搜索引擎網(wǎng)站用戶忠誠(chéng)度影響因素的研究模型[J];現(xiàn)代情報(bào);2009年11期

3 蕭然;;沒(méi)有用戶忠誠(chéng)度是視頻網(wǎng)站的致命傷[J];IT時(shí)代周刊;2014年02期

4 ;[J];;年期

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 鄭志輝;56網(wǎng)周娟：長(zhǎng)視頻用戶忠誠(chéng)度值得懷疑堅(jiān)信短視頻價(jià)值[N];民營(yíng)經(jīng)濟(jì)報(bào);2013年

2 本報(bào)記者 饒慧敏;IT廠商需提升用戶忠誠(chéng)度[N];中國(guó)國(guó)門(mén)時(shí)報(bào);2004年

3 本報(bào)記者 李方;買(mǎi)哪款車最“滿意”[N];中國(guó)消費(fèi)者報(bào);2003年

4 余志斌;用戶忠誠(chéng)度與關(guān)系營(yíng)銷[N];中國(guó)郵政報(bào);2001年

5 余志斌;讓頭回客變成回頭客[N];人民郵電;2001年

6 鮑貴林;錫柴奧威發(fā)動(dòng)機(jī)以品質(zhì)提升用戶忠誠(chéng)度[N];中國(guó)工業(yè)報(bào);2012年

7 本報(bào)記者 杜峰;移動(dòng)操作系統(tǒng)用戶忠誠(chéng)度不高 小眾OS存趕超安卓蘋(píng)果機(jī)會(huì)[N];通信信息報(bào);2013年

8 田徑;可靠測(cè)試維系用戶忠誠(chéng)度[N];通信產(chǎn)業(yè)報(bào);2006年

9 本報(bào)記者 林憬輝;國(guó)內(nèi)網(wǎng)上銀行用戶忠誠(chéng)度為何較低？[N];通信信息報(bào);2007年

10 馮云;一汽豐田志在提高用戶忠誠(chéng)度[N];中國(guó)商報(bào);2007年

相關(guān)博士學(xué)位論文 前1條

1 王建東;微博用戶忠誠(chéng)度影響因素研究[D];中國(guó)農(nóng)業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 蔡麗夢(mèng);微信用戶忠誠(chéng)度影響因素實(shí)證研究[D];湖南大學(xué);2016年

2 孫中玉;基于微博的用戶誠(chéng)度模型構(gòu)建及應(yīng)用研究[D];南京郵電大學(xué);2012年

3 成億;微博用戶忠誠(chéng)度影響因素研究[D];南京大學(xué);2012年

4 王娜;基于沉浸體驗(yàn)的網(wǎng)絡(luò)社區(qū)用戶忠誠(chéng)度影響因素研究[D];廣西大學(xué);2014年

5 龍遺t，

本文編號(hào)：2225984