[发明专利]一种基于因果推断的网络购物行为分析方法和系统

说明书

本发明涉及数据挖掘、社交网络、因果推断领域，公开了一种基于因果推断的网络购物行为分析方法和系统，通过融合用户属性特征、社交行为特征和历史购物行为特征、用户关系等多层次、跨领域特征，能够充分获取用户行为特征和兴趣偏好；经过合理设计的分析系统，利用因果网络模型，去除无用的特征，减少了噪声特征的干扰，并可解释用户行为的因果性及其行为动机，提高用户购物行为预测的准确度。

技术领域

本发明涉及数据挖掘、社交网络、因果推断领域，特别是一种基于因果推断的网络购物行为分析方法和系统。

背景技术

互联网技术的持续发展，使得网络购物日渐普及。为了为用户提供实时推介商品，实现精准营销，必须深入了解用户的购物动机以及购物模式，以及用户的实际需求和兴趣爱好。目前的推荐系统通常只根据用户的商品浏览记录、历史购物信息、商品评论等购物相关数据，推测用户的兴趣偏好和需求，这种推荐效果具有一定的滞后性，对于用户的兴趣变化的捕获不及时。

用户的社交行为，为用户兴趣偏好和行为模式的分析提供了大量有用数据。社交网络不仅把用户间不可观测的现实人际关系搬到了网络上，还搭建了全新的信息分享平台。但是，社交行为数据信息体量巨大，数据类型繁多，价值密度低，存在大量没有作用的噪声特征，行为特征数据无法直接利用。此外，社交行为数据和购物行为数据分属不同领域，跨领域特征的融合问题也是现实挑战之一。因此，如何捕获有效有用特征并加以合理利用，从中了解购物动机以及兴趣爱好，并对购物行为进行分析和推断以预测用户的购物行为，具有一定的研究价值和意义。

发明内容

本发明的目的在于提供一种基于因果推断的网络购物行为分析方法和系统，通过合理地利用更多有用的用户行为数据，融合社交行为特征和购物行为特征，挖掘行为背后的因果机制。

为实现上述技术目的，达到上述技术效果，本发明公开了一种基于因果推断的网络购物行为分析方法，包括了以下步骤：

步骤1，针对具有社交行为的网络购物用户，社交数据采集模块挖掘用户的社交行为与兴趣偏好间的对应关系，存储对应数据；

步骤2，获取用户属性特征并对属性特征进行特征工程处理；

步骤3，社交数据采集模块根据社交用户关系和用户自身影响力，建立用户间的社交影响网络；

步骤4，购物数据采集模块获取用户购物行为，存储数据；

步骤5，行为分析模块根据步骤1、步骤2、步骤3的输出数据，利用特征工程技术进行处理，基于反从众理论，计算用户购物行为的反从众指标，根据因果推断模型进行特征选择，再利用回归算法构建网络购物行为推断模型，输出模型结果。

步骤6，利用步骤5输出的模型，利用用户属性特征、社交行为特征、用户关系网络和历史购物行为特征和网络购物行为预测用户网络购物行为预测。

其中，步骤1中用户社交行为包括用户的文本发布、转发、评论行为，每个用户的社交行为根据时间序列排序，利用文本分析技术，为已经分词处理好的微博文本计算出相应的特征向量，根据基于时序的神经网络模型LSTM挖掘用户的社交行为与兴趣偏好间的对应关系。

其中，步骤3中用户间社交影响网络为有向图，有向图采用有序两元组G表示：

G＝(V，E)；

其中，V为网络中的用户群，E为用户群之间的关系。

其中，步骤4中用户购物行为包括商品浏览行为、收藏行为、购买行为，每个用户的购物行为根据时间序列排序。

其中，步骤5中反从众指标的计算给出如下定义：

其中，参数解释，In_j表示指向用户j的用户群，L_ij表示用户j在i的影响下的求异性，其定义如下：