电商用户行为数据采集与深度学习特征建模分析

陈 锦云
深圳博思科电子商务有限公司

摘要


在数字经济背景下，电商平台积累的海量用户行为数据已成为精准运营的核心资产。本文聚焦电商用户
行为数据采集与深度学习特征建模关键问题，首先系统梳理三类主流采集方法的技术特性与适用场景，构建“多
源采集-质量管控-隐私保护”的全流程采集体系；其次提出融合时序特征与关联特征的深度学习建模框架，采用
LSTM-注意力机制捕捉用户行为时序依赖，结合图神经网络挖掘用户-商品关联特征；最后基于公开数据集与实际
业务数据开展实验，验证模型在用户购买意图预测任务中的优越性。研究结果表明，所提模型较传统机器学习方法
F1值提升12.3%，为电商平台个性化推荐、精准营销提供技术支撑。

关键词


电商用户行为数据；数据采集；深度学习特征建模

全文:

PDF


参考


[1]张明，李娟，王浩.基于深度学习的电商用户

购买行为预测模型研究与应用[J].计算机工程与应用，

2024，60（12）：189-196.

[2]刘芳，陈强.电商数据采集技术与应用研究[J].数

据分析与知识发现，2023，7（8）：45-53.

[3]王磊，赵静.深度学习在电商用户行为分析中的

应用进展[J].计算机科学，2023，50（5）：210-218.


Refbacks

  • 当前没有refback。