[发明专利]一种电子商务平台用户重复购买行为预测方法

权利要求书

1.一种电子商务平台用户重复购买行为预测方法，其特征在于，包括：

获取用户历史购买行为数据，并对用户历史购买行为数据进行预处理；

采用分段下采样方法对用户历史购买行为数据进行样本均衡处理；

构建用户特征、商户特征、用户与商户交互特征和隐藏特征；

将样本均衡的用户历史购买行为数据输入至双层注意力BiGRU个体模型中，并将用户特征、商户特征、用户与商户交互特征和隐藏特征输入至深度Catboost个体模型和DeepGBM个体模型中；

对双层注意力BiGRU个体模型、深度Catboost个体模型和DeepGBM个体模型，分别进行用户重复购买行为预测训练；

通过Vote-Stacking模型，对训练后的双层注意力BiGRU个体模型、深度Catboost个体模型和DeepGBM个体模型进行融合，并采用多数投票决策机制输出最终预测结果。

2.如权利要求1所述的电子商务平台用户重复购买行为预测方法，其特征在于，所述对用户历史购买行为数据进行预处理，包括：

对用户历史购买行为数据进行数据清洗，缺失数据和错误数据剔除。

3.如权利要求1所述的电子商务平台用户重复购买行为预测方法，其特征在于，所述采用分段下采样方法对用户历史购买行为数据进行样本均衡处理，包括：

将重复购买用户和未重复购买用户原始样本按照天为单位进行分段；

对用户样本中的每个用户根据欧氏距离找出三个其最近邻用户；若该用户是未重复购买用户且其三个最近邻用户中有两个以上是重复购买用户，则删除该用户；否则，当该用户是重复购买用户并且其三个最近邻中有两个以上是未重复购买用户，则去除最近邻中的未重复购买用户。

4.如权利要求1所述的电子商务平台用户重复购买行为预测方法，其特征在于，采用统计分析法和机器学习法，构建用户特征、商户特征、用户与商户交互特征和隐藏特征。

5.如权利要求1或4所述的电子商务平台用户重复购买行为预测方法，其特征在于，

所述用户特征包括：属性特征、用户统计特征、用户比例特征、用户生命周期、促销热衷度；

所述商户特征包括：商户统计特征、促销频率、商户生命周期、回头率、商户比例特征、性别和年龄分布；

所述用户与商户交互特征包括：交互统计特征、交互比例特征、交互生命周期、预备购买数、商户排名；

所述隐藏特征包括：主题特征、相似性特征、反馈特征。