基于消費(fèi)行為理解與分析的用戶興趣建模方法

周雪梅

摘要：國(guó)內(nèi)外多數(shù)是從人口統(tǒng)計(jì)數(shù)據(jù)和心理角度對(duì)用戶興趣進(jìn)行研究，然而該方法復(fù)雜煩瑣，面對(duì)海量信息，無法更好地實(shí)現(xiàn)基于用戶興趣的個(gè)性化信息服務(wù)。隨著 Internet 技術(shù)的發(fā)展，可以通過網(wǎng)上消費(fèi)行為進(jìn)行理解與分析，從而獲取用戶的興趣，更好地為用戶提供貼心的服務(wù)，因此提出基于消費(fèi)行為理解與分析的用戶興趣建模方法。通過采集基于消費(fèi)行為理解與分析的用戶興趣數(shù)據(jù)，對(duì)消費(fèi)行為數(shù)據(jù)與用戶興趣關(guān)系進(jìn)行分析，從而實(shí)現(xiàn)用戶興趣模型的構(gòu)建，最終完成提出的方法研究。通過實(shí)驗(yàn)驗(yàn)證證明，提出的方法具有較高的有效性，適用于用戶個(gè)性化服務(wù)中。

關(guān)鍵詞：消費(fèi)行為;理解與分析;用戶興趣;建模方法

中圖分類號(hào)：TP311 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）14-0273-02

隨著Web信息資源快速增長(zhǎng)，如何利用最少的資源發(fā)現(xiàn)最有價(jià)值的信息，已經(jīng)成為人們研究的熱點(diǎn)。為了更好地了解用戶興趣愛好，各種大數(shù)據(jù)分析系統(tǒng)應(yīng)運(yùn)而生，通過用戶興趣模型，只需對(duì)用戶瀏覽記錄進(jìn)行理解與分析，便可獲取興趣信息類型及興趣度，有效地提高了個(gè)性化服務(wù)的質(zhì)量[1]。因此提出基于消費(fèi)行為理解與分析的用戶興趣建模方法，通過該方法來獲取用戶短期興趣和長(zhǎng)期興趣，在綜合分析用戶消費(fèi)行為的基礎(chǔ)上，獲取用戶興趣數(shù)據(jù)，考慮消費(fèi)行為數(shù)據(jù)與用戶興趣的關(guān)系，同時(shí)分析不同消費(fèi)行為數(shù)據(jù)與用戶興趣偏向之間的關(guān)系，實(shí)現(xiàn)用戶消費(fèi)興趣模型的構(gòu)建。通過實(shí)驗(yàn)驗(yàn)證證明，該方法能夠準(zhǔn)確評(píng)估用戶興趣偏好，對(duì)提高個(gè)性化服務(wù)質(zhì)量有深遠(yuǎn)的影響。

1基于消費(fèi)行為理解與分析的用戶興趣數(shù)據(jù)的采集

1.1消費(fèi)行為數(shù)據(jù)的調(diào)取

網(wǎng)上消費(fèi)是居民消費(fèi)行為的重要組成部分，是采集基于消費(fèi)行為理解與分析的用戶興趣數(shù)據(jù)的基礎(chǔ)，調(diào)取居民網(wǎng)上消費(fèi)行為的基礎(chǔ)就是對(duì)網(wǎng)絡(luò)消費(fèi)數(shù)據(jù)進(jìn)行處理。

消費(fèi)行為的調(diào)取，首先通過數(shù)據(jù)清洗，對(duì)居民網(wǎng)上消費(fèi)數(shù)據(jù)進(jìn)行預(yù)處理，數(shù)據(jù)清洗的目的是剔除冗余和部分缺失的數(shù)據(jù)，確保消費(fèi)行為數(shù)據(jù)與用戶興趣關(guān)系的分析所使用的數(shù)據(jù)具有有效性。然后進(jìn)行數(shù)據(jù)轉(zhuǎn)換，由于居民網(wǎng)上消費(fèi)行為的大數(shù)據(jù)都是歷史網(wǎng)頁瀏覽記錄數(shù)據(jù)，對(duì)其進(jìn)行數(shù)據(jù)清理后，還需對(duì)其進(jìn)行轉(zhuǎn)換，將歷史網(wǎng)頁瀏覽記錄數(shù)據(jù)轉(zhuǎn)換成形象的圖表，使調(diào)取的消費(fèi)行為更加泛化和規(guī)范化[2]。最后對(duì)轉(zhuǎn)換后的數(shù)據(jù)進(jìn)行規(guī)約，由于居民網(wǎng)上消費(fèi)行為數(shù)據(jù)來源于網(wǎng)上消費(fèi)平臺(tái)的各個(gè)分類，所以可能產(chǎn)生與用戶消費(fèi)興趣無關(guān)的數(shù)據(jù)或具有重復(fù)屬性的數(shù)據(jù)，通過對(duì)數(shù)據(jù)進(jìn)行規(guī)約，降低調(diào)取的消費(fèi)行為數(shù)據(jù)的復(fù)雜維度，確保調(diào)取的消費(fèi)行為數(shù)據(jù)具有較高的準(zhǔn)確性。

1.2消費(fèi)行為的理解與分析

消費(fèi)者千差萬別的興趣愛好，往往表現(xiàn)在他們對(duì)消費(fèi)活動(dòng)的態(tài)度和習(xí)慣化的消費(fèi)行為上，同時(shí)也表現(xiàn)在個(gè)體活動(dòng)的獨(dú)立性程度上，從而構(gòu)成千姿百態(tài)的消費(fèi)行為。

消費(fèi)行為的理解與分析，首先要分析消費(fèi)者消費(fèi)行為是出于本能動(dòng)機(jī)還是心理動(dòng)機(jī)。本能動(dòng)機(jī)為本能需要，心理動(dòng)機(jī)包括情感需要、理智需要以及惠顧需要[3]。然后分析消費(fèi)行為從認(rèn)知到評(píng)價(jià)到購(gòu)買的整個(gè)過程，其中消費(fèi)者的認(rèn)知是決定消費(fèi)行為的關(guān)鍵因素，也是消費(fèi)行為的重要部分。消費(fèi)行為的理解與分析必須以產(chǎn)品目標(biāo)群體的消費(fèi)行為為基礎(chǔ)，構(gòu)建合理的產(chǎn)品與信息通路，積極分析消費(fèi)者購(gòu)買行為的整個(gè)過程，從而理解和分析消費(fèi)行為。一定程度上來講，消費(fèi)行為是一個(gè)臨界點(diǎn)，消費(fèi)行為只和消費(fèi)者自己關(guān)聯(lián)，常常出現(xiàn)購(gòu)買自己并不真正需要東西的現(xiàn)象，消費(fèi)行為的理解與分析的基礎(chǔ)，是分析消費(fèi)者有意義的消費(fèi)行為。

消費(fèi)者的消費(fèi)行為由消費(fèi)者的主觀思維決定的，因此通過調(diào)取消費(fèi)行為數(shù)據(jù)，依托消費(fèi)行為數(shù)據(jù)的理解與分析，完成用戶興趣數(shù)據(jù)的采集。

2消費(fèi)行為數(shù)據(jù)與用戶興趣關(guān)系的分析

基于采集用戶興趣數(shù)據(jù)，分析消費(fèi)行為數(shù)據(jù)與用戶興趣關(guān)系。利用用戶興趣判別函數(shù)，判別消費(fèi)行為數(shù)據(jù)與用戶興趣關(guān)系，用戶興趣判別函數(shù)表達(dá)式如公式1所示：

公式中，Y為用戶興趣的判別值，X1、X2、Xn為居民網(wǎng)上消費(fèi)行為的各項(xiàng)數(shù)據(jù)，A1、A2、An為消費(fèi)本能動(dòng)機(jī)、心理動(dòng)機(jī)的評(píng)價(jià)指標(biāo)等級(jí)。通過用戶興趣判別函數(shù)，對(duì)居民網(wǎng)上消費(fèi)行為分類，分析用戶興趣與心理動(dòng)機(jī)消費(fèi)的關(guān)系。根據(jù)距離最小的原則，將用戶興趣與心理動(dòng)機(jī)消費(fèi)進(jìn)行合并，形成新類[4]。經(jīng)過n-1次就可以把全部基于心理動(dòng)機(jī)的消費(fèi)行為歸為一類，根據(jù)歸并的先后順序做出用戶興趣分析，利用圖表進(jìn)行可視化結(jié)果展示，從而完成基于心理動(dòng)機(jī)的用戶興趣分析。

把所有基于心理動(dòng)機(jī)消費(fèi)的標(biāo)簽按照消費(fèi)分類領(lǐng)域進(jìn)行組織，把“用戶興趣”作為出發(fā)點(diǎn)，按照消費(fèi)標(biāo)簽的分類，外延形成樹狀組織。消費(fèi)分類越復(fù)雜越靠近樹的根部，從第一層級(jí)依次往下由復(fù)雜程度把標(biāo)簽組織起來，得到消費(fèi)行為數(shù)據(jù)與用戶興趣關(guān)系的分類樹。

通過建立消費(fèi)行為數(shù)據(jù)與用戶興趣關(guān)系的分類樹，完成消費(fèi)行為數(shù)據(jù)與用戶興趣關(guān)系的分析，為實(shí)現(xiàn)用戶消費(fèi)興趣模型的構(gòu)建奠定基礎(chǔ)。

3實(shí)現(xiàn)用戶消費(fèi)興趣模型的構(gòu)建

用戶興趣模型能為個(gè)性化服務(wù)提供基礎(chǔ)資料，也是個(gè)性化服務(wù)系統(tǒng)的核心組成部分。通過用戶興趣模型，獲取不同用戶的興趣愛好以及相關(guān)信息需求。

用戶興趣模型的組成由一些關(guān)鍵字為主體對(duì)象，各個(gè)對(duì)象都有一個(gè)權(quán)值信息，權(quán)值的大小代表用戶對(duì)該對(duì)象的興趣濃度，同時(shí)權(quán)值的大小與興趣濃度成正比。用戶興趣模型的各個(gè)對(duì)象分別包括文本對(duì)象信息以及相關(guān)領(lǐng)域的信息兩部分內(nèi)容。其中文本對(duì)象信息為用戶興趣分類的關(guān)鍵字信息，相關(guān)領(lǐng)域的信息為與文本對(duì)象信息緊密相連的其他相關(guān)信息?？紤]到用戶的興趣并不是一成不變，隨時(shí)可能發(fā)生改變，同時(shí)采集的基于消費(fèi)行為理解與分析的用戶興趣數(shù)據(jù)，也不具有全面性，不能包括用戶所有的興趣及其感興趣的程度[5]。因此通過動(dòng)態(tài)用戶興趣模型來及時(shí)更新用戶興趣，并根據(jù)用戶興趣模型進(jìn)行興趣延展?；谟脩舻男畔g覽記錄，對(duì)網(wǎng)頁進(jìn)行初步處理，結(jié)合網(wǎng)頁內(nèi)容，依托用戶興趣模型及時(shí)更新用戶興趣數(shù)據(jù)。

通過采集基于消費(fèi)行為理解與分析的用戶興趣數(shù)據(jù)，對(duì)消費(fèi)行為數(shù)據(jù)與用戶興趣關(guān)系進(jìn)行分析，從而實(shí)現(xiàn)用戶消費(fèi)興趣模型的構(gòu)建。

4實(shí)驗(yàn)驗(yàn)證

為了保證本文提出的基于消費(fèi)行為理解與分析的用戶興趣建模方法有效性，進(jìn)行用戶興趣模型驗(yàn)證。

4.1數(shù)據(jù)準(zhǔn)備

通過網(wǎng)絡(luò)消費(fèi)平臺(tái)收集用戶消費(fèi)相關(guān)行為，根據(jù)本文提出的基于消費(fèi)行為理解與分析的用戶興趣建模方法，與用戶實(shí)際興趣進(jìn)行對(duì)比，來驗(yàn)證本文提出的用戶興趣建模方法的有效性。選取10個(gè)網(wǎng)上消費(fèi)用戶作為實(shí)驗(yàn)對(duì)象，收集他們近一個(gè)月的消費(fèi)行為，利用消費(fèi)行為數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析。統(tǒng)計(jì)整理后相關(guān)消費(fèi)行為數(shù)據(jù)如表 1 所示。

4.2實(shí)驗(yàn)結(jié)果分析

依托表1數(shù)據(jù)，通過基于消費(fèi)行為理解與分析的用戶興趣建模方法分析得出用戶的興趣偏好，如圖1所示。

對(duì)比圖1數(shù)據(jù)與表2數(shù)據(jù)，得出基于消費(fèi)行為理解與分析的用戶興趣建模方法，分析得出的用戶的興趣偏好與用戶實(shí)際愛好基本相同。證明本文提出的方法具有較高的有效性，適用于基于用戶興趣提供個(gè)性化服務(wù)中。

5總結(jié)

借助于互聯(lián)網(wǎng)的高速發(fā)展，網(wǎng)上消費(fèi)保持了高速的增長(zhǎng)趨勢(shì)，用戶數(shù)量急速上升，同時(shí)造成了大量的信息淹沒，用戶找不到自己感興趣的商品，不利于各個(gè)網(wǎng)上消費(fèi)平臺(tái)的健康發(fā)展。因此提出基于消費(fèi)行為理解與分析的用戶興趣建模方法，通過采集基于消費(fèi)行為理解與分析的用戶興趣數(shù)據(jù)，對(duì)消費(fèi)行為數(shù)據(jù)與用戶興趣關(guān)系進(jìn)行分析，從而實(shí)現(xiàn)用戶興趣模型的構(gòu)建。通過實(shí)驗(yàn)驗(yàn)證證明，基于消費(fèi)行為理解與分析的用戶興趣建模方法能夠準(zhǔn)確地獲取用戶興趣，希望本文能夠?yàn)橛脩襞d趣分析提供參考價(jià)值。

參考文獻(xiàn)：

[1] 熊勇清，何舒萍. 新能源汽車目標(biāo)用戶消費(fèi)行為與制造商經(jīng)營(yíng)行為互動(dòng)過程分析——基于“領(lǐng)先”和“跟隨”兩類用戶的實(shí)驗(yàn)?zāi)M[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理， 2017（11）：63-72.

[2] 王艷茹，馬慧芳，劉海姣，et al. 基于多標(biāo)簽語義關(guān)聯(lián)關(guān)系的微博用戶興趣建模方法[J]. 計(jì)算機(jī)工程與科學(xué)， 2018， 40（11）：165-171.

[3] 王慧. 基于數(shù)字圖書館瀏覽行為的用戶興趣研究——以天津圖書館“數(shù)字圖書館知識(shí)發(fā)現(xiàn)系統(tǒng)研究項(xiàng)目”為例[J]. 圖書館工作與研究， 2017（S1）：32-36.

[4] 何勝，馮新翎，武群輝，et al. 基于用戶行為建模和大數(shù)據(jù)挖掘的圖書館個(gè)性化服務(wù)研究[J]. 圖書情報(bào)工作， 2017（01）：41-47.

[5] 陳姝，竇永香，張青杰. 基于理性行為理論的微博用戶轉(zhuǎn)發(fā)行為影響因素研究[J]. 情報(bào)雜志， 2017（11）：151-156+164.

【通聯(lián)編輯：光文玲】