[发明专利]一种基于两阶段组合的在线消费行为预测方法及系统

权利要求书

1.一种基于两阶段组合的在线消费行为预测方法，其特征在于，包括以下步骤：

步骤1：对用户在线浏览商品是否消费行为的历史数据进行预处理；其中历史数据包括定量指标值和定性指标值；

步骤2：基于Logistic模型进行指标组合的筛选；

步骤3：将Logistic模型筛选出来的变量作为决策树模型的输入变量，使用决策树模型对用户浏览商品是否消费的行为进行二次预测，并输出购买商品的概率；

步骤4：输出用户是否购买的概率，供商家进行营销决策。

2.根据权利要求1所述的一种基于两阶段组合的在线消费行为预测方法，其特征在于，所述步骤1具体包括以下步骤：

步骤1.1：将定量指标值采取最大最小标准化方法进行标准化处理；

步骤1.2：将定性指标值根据定性指标评分表进行打分。

3.根据权利要求1所述的一种基于两阶段组合的在线消费行为预测方法，其特征在于，步骤2所述Logistic模型中，设n个独立指标变量x＝{x₁,x₂,…,x_n}，二元响应变量y∈{0,1}，y＝1表示某个用户购买商品，y＝0表示某个用户不购买某个商品；设条件概率p(y＝1|x)＝p为样本x条件下事件y＝1发生的概率，则Logistic回归模型表示为：

其中g(x)＝w₀+w₁x₁+…+w_nx_n，w_n表示第n个独立指标变量的权重；

对比值比取对数得到：

通过公式2求出w₀,w₁,…,w_n，若指标x_m(m＝1,2,…,n)的权重w_m不为0且相应的显著性水平P值小于5％，则说明该特征对借款人的违约状态具有影响，保留该指标；否则删除该指标，以此进行变量筛选。

4.根据权利要求1所述的一种基于两阶段组合的在线消费行为预测方法，其特征在于，步骤3所述二次预测为，给定数据集D＝{(x₁,y₁),(x₂,y₂),…,(x_i,y_i),…,(x_n,y_n)}，其中x_i为输入的特征向量，y_i∈{1,2,...,K}是一个包含K个类的类别变量，在消费者是否购买的问题中K＝2，i＝1,2,…,n，n为样本量；

使用基尼指数用来衡量数据集的不确定性，定义如式(3)所示：

对于二分类，即消费者是否购买问题中，K＝2，则基尼指数表示为：

Gini(r)＝2r(1-r) (4)

其中r表示表示节点j(j＝1,2,…,J)中第k(k＝1,2,…,K)类样本的比例；

基尼指数(Gini)值越小，不确定程度就越小，选择基尼系数最小的指标进行分支，然后判断是否购买，输出用户是否购买商品的概率。

5.一种基于两阶段组合的在线消费行为预测系统，用于实现权利要求1所述的一种基于两阶段组合的在线消费行为预测方法，其特征在于，包括：用户数据输入模块，用户数据处理模块，用户数据输出模块；

所述用户数据输入模块，将用户浏览商品的在线数据输入到用户数据输入模块；

所述用户数据处理模块，将用户数据输入模块的在线数据输入到用户数据处理模块，用户数据处理模型处理用户的在线数据，用于预测用户在线浏览行为购买商品的概率预测；

所述用户数据输出模块，用户数据处理模块输出用户在线消费，即是否购买商品的概率，卖家根据用户购买商品的概率进行决策。