[发明专利]一种商品购买预测建模方法

权利要求书

1.一种商品购买预测建模方法，其特征体在于包括如下步骤：

1)用购买记录标记训练样本，预测购买与否，结果为1代表购买，为0则代表不购买；

2)滑动窗口商品购买样本构造；

3)基于时间偏好的商品购买特征设计；遵循时间偏好规则：近期频繁做某件事情，就越有可能在下次继续；通过User‐Item特征、User特征、Item特征、Category特征、User‐Category特征和Cross特征6大类特征描述用户对商品的购买行为；在6大类特征的基础上，从8个维度进行特征的提取；所述8个维度分别是计数、比值、Flag、排序、时间间隔、时间层级、规则和地理位置；

4)梯度提升决策树算法训练预测；构造好样本与特征之后，要进行特征处理与选取的工作，再输入到梯度提升决策树算法中进行训练预测；特征选取的指标包括特征值分布与相关性、特征信息增益大小、特征调用频率、特征敲除的影响；综合这些指标对特征重要性进行排序，剔除重要度低的冗余特征。

2.根据权利要求1所述的商品购买预测建模方法，其特征体在于，所述用购买记录标记训练样本采用交叉验证法将数据样本切割成较小子集，分别在不同的子集上做训练与验证，进行优化。

3.根据权利要求1所述的商品购买预测建模方法，其特征体在于，所述滑动窗口商品购买样本构造是将时间轴分成两个部分，一部分刻画用户的历史行为，另一部分刻画类别标签，往时间节点前面滑动，充分利用历史信息，产生不同时间节点样本输入到模型，使模型鲁棒性更好。

4.根据权利要求1所述的商品购买预测建模方法，其特征体在于，所述User-Item特征为用户-商品特征，描述用户对商品的行为，主要刻画用户对商品的喜好程度；所述User特征为用户特征，描述用户自身属性，主要刻画用户的活跃度、购买力；所述Item特征为商品特征，描述商品自身属性，主要刻画商品的销量、受欢迎程度；所述Category特征为类目特征，描述商品类目自身属性，主要刻画商品类目的销量、竞争优势；所述User-Category特征为用户-类目特征，描述用户对商品类目的行为，主要刻画用户对各类目的区分度；所述Cross特征为交叉特征，是User-Item特征、User特征、Item特征、Category特征和User-Category特征5特征相互进行比值、乘积等具有业务含义的组合特征，主要刻画复杂的交互模式。

5.根据权利要求1所述的商品购买预测建模方法，其特征体在于，所述特征处理是对除0错误的比值特征做Laplace平滑，处理数据缺失的问题，精准比较特征间差异。