基于马氏距离的模糊支持向量机及其在用户行为识别中的应用研究.docx

基于马氏距离的模糊支持向量机及其在用户行为识别中的应用研究 摘　要】基于支持向量机的分类原理，对具有显著不平衡性的用户行为数据进行分析，旨在探索一种利用用户浏览商品网页时的行为特征，识别用户关于商品品牌购置偏好的方法文章提出一种基于马氏距离的高维空间类中心隶属度构建方法，将该方法与支持向量机和基于欧式距离的高维空间类中心隶属度的模糊支持向量机进行比较，通过一组比照实验，证明该方法用于对用户行为偏好识别的有效性和优越性关键词用户行为特征；马氏距离；模糊支持向量机；非平衡数据；偏好识别0　引言伴随着互联网技术的高速开展，电子商务领域迅速崛起，越来越多的人开始参与网络购物，甚至对于许多群体而言，网络购物已经成为不可替代的重要消费方式据艾瑞咨询目前为止，学者们提出了基于内容的推荐算法，该方法是建立在统计学习理论中结构风险最小化原那么和最优化问题根底上的，具有坚实的理论根底、较强的泛化能力等优点，被广泛应用于模式识别、数据挖掘、人工智能、机器学习等领域Lin和Wang在2021年将模糊集思想引入SVM，提出了单边加权模糊支持向量机，开辟了模糊支持向量机〔简称FSVM〕的新领域2.1　FSVM根本形式对于FSVR，其训练集的形式为T={(x1,y1,s1),(x2,y2,s2),…,(xl,yl,sl)}〔1〕2.2　基于特征空间类中心的隶属度设置Jiang等人在2021年提出了基于高维特性空间类中心的模糊隶属度函数。

定义+1类样本在特征空间中的均值为Φ+，-1类样本在特征空间中的均值为Φ-，即3　数值实验3.1　评价指标本文的数据是典型的不平衡数据，对于不平衡数据分类精确度的评价方法有多种，这里采用的是F-measure方法结合本文研究的实际问题，这里只关心发生购置行为的组合的情况，即只对少类的样本进行评价以不平衡数据集作为待分类样本，二分类方法有四种可能结果，用数据集混淆矩阵表示为表1：3.2　实验过程实验所采用的是基于用户与商品品牌之间的行为数据，数据集截取了四个月内884位用户对于9531种品牌的操作，总共182880条记录提取特征后的数据字段如表2所示提取特征后，训练集中共有42085条特征记录，测试集中共有18545条特征记录，测试集中发生购置行为的组合数量总共为1408条〔1〕将数据分割为训练集与测试集；〔2〕利用式〔20〕计算训练集中正负两类各样本的隶属度；〔3〕用k折交叉验证法对上述参数寻优，；〔4〕用最优参数组合训练出基于马氏距离的FSVM训练分类超平面；〔5〕用步骤〔4〕中的分类超平面对测试数据集进行测试3.3　实验结果4　研究结论和展望本文从电商用户网购行为的特征出发，结合一个真实的行为数据集，利用FSVM分类思想，构建了一个通过用户行为，来识别用户可能发生购置行为的产品品牌的方法。

本文创造性的将马氏距离引入FSVM隶属度函数的构建之中，使得其对于非平衡数据的分类能力有所提高综合本文的实验结果，证明利用用户在浏览商品网页时所产生的点击、收藏和参加购物车三类行为来识别用户是否购置该产品或该品牌，具备一定可行性和有效性，同时结合本文提出的基于马氏距离的高维空间类中心隶属度函数构建方法，使得分类能力进一步得到提高在未来的研究中，可进一步关注用户行为特征的量化分析、模型参数的寻优和数据噪音的辨识等方向的问题参考文献［１］艾瑞咨询.2021年中国电子商务市场交易规模达9.9万亿元.人民邮电报,2021-01-20(6).［２］ResnickP,VarianHR.RecommenderSystems.CommunicationsoftheACM,1997,40(3):56-58.［３］姜书浩,薛福亮.一种利用协同过滤预测和模糊相似性改进的基于内容的推荐方法.现代图书情报技术,2021(02)：41-47.［４］SuX,KhoshgoftaarTM.Asurveyofcollaborativefilteringtechniques.Advancesinartificialintelligence,2021,2021:4.［５］江山.基于复杂网络理论的推荐算法研究.成都:西南财经大学,2021.［６］JiaweiHan,MichelineKamber,JianPei.DataMining:ConceptsandTechniques.USA:MorganKaufmannPublishersIn,2021.［７］SUNJ,SHENR,ZHANGT,etal.DesignandImplementationofIntelligentLearningAdvisorBasedonSupportVectorMachineAlgorithm.ComputerEngineering,2021,11:098.［８］LinC,WangS.Fuzzysupportvectormachines.NeuralNetworksIEEETransactionson,2021,13(2):464-471.［９］AkbaniR,KwekS,JapkowiczN.Applyingsupportvectormachinestoimbalanceddatasets//MachineLearning:ECML2021.SpringerBerlinHeidelberg,2021:39-50.［１０］TmallRecommendationPrize2004TianChiOpenDataProject.［１１］JiangXF,YiZ,andLvJC.FuzzySVMwithanewfuzzymembershipfunction.NeuralComputingandApplication,2021,15(3-4):268-276.［１２］李仁兵,李艾华,王涛,杨建业,李亮.马氏距离法在支持向量机拒识区域中的应用.信息与控制,2021,03:367-372.。