.png){kind=icon}
返回
Aging-Based Weighting for Session Classification in User Behavior Analysis
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-031-97576-9_2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
理解电子商务平台上的用户行为对于增强客户互动和改进推荐算法至关重要。点击流数据为研究用户导航模式提供了重要资源；然而，准确描述和分类用户会话仍然是一个挑战。本文展示了如何通过结合基于嵌入的方法和基于老化机制的加权机制来提高基于会话的分类精度。所考虑的嵌入方法，包括Word2Vec、Node2Vec和LSTM自动编码器，可以将基于会话的点击流数据转换为数值。此外，引入了一种动态加权技术，以强调最近的交互，从而提高分类性能。我们在真实电子商务数据集上的实证评估表明，LSTM自动编码器在捕捉序列依赖性方面优于传统嵌入方法。此外，基于老化机制的加权技术显著提高了分类精度，尤其是在与深度学习模型结合使用时。对不同分类算法（如随机森林、逻辑回归、高斯朴素贝叶斯和LSTM）的比较表明，LSTM模型在发现事件之间的时间相关性方面表现最佳。结果表明，时间加权在基于会话的点击流分析中具有重要意义，并为行为分析和个性化推荐系统的进一步研究奠定了坚实基础。本文提出了一种基于点击流的高效用户建模方法，有助于改善电子商务系统中的用户参与度。
Keyword:
Clickstream data
E-commerce
Word2Vec
Node2Vec
LSTM Autoencoder
Aging-based weighting
User behavior modeling
Classification algorithms
期刊
C
机构
引用论文
Representation of Click-Stream DataSequences for Learning User Navigational Behavior by Using Embeddings利用嵌入表示点击流数据序列以学习用户导航行为
PREAI
分享收藏Data Aging Matters: Federated Learning-Based Consumption Prediction in Smart Homes via Age-Based Model Weighting.png)
Electronics
OAAI
ElectronicsIF0
OAAI分享收藏Pattern2Vec: Representation of clickstream data sequences for learning user navigational behaviorPattern2Vec：用于学习用户导航行为的点击流数据序列表示
PREAI
分享收藏
Fault tolerant high performance Information Services for dynamic collections of Grid and Web services用于网格和Web服务动态集合的容错高性能信息服务
PREAI
分享收藏分享收藏
查看更多内容