一种用户成长性画像的建模方法

董哲瑾(),王健*(),钱凌飞,林鸿飞

大连理工大学计算机科学与技术学院，辽宁 大连 116024

收稿日期:2018-10-17出版日期:2019-03-01发布日期:2019-03-19
通讯作者:王健E-mail:zd2221@columbia.edu.cn;wangjian@dlut.edu.cn
作者简介:董哲瑾(1995—)，女，硕士研究生，研究方向为数据挖掘. E-mail：zd2221@columbia.edu.cn
基金资助:国家重点研发计划项目资助(2016YFB1001103)

A modeling method of user growth profile

Zhe-jin DONG(),Jian WANG*(),Ling-fei QIAN,Hong-fei LIN

Institute of Computer Science and Technology, Dalian University of Technology, Dalian 116024, Liaoning, China

Received:2018-10-17Online:2019-03-01Published:2019-03-19
Contact:Jian WANG E-mail:zd2221@columbia.edu.cn;wangjian@dlut.edu.cn

Supported by:国家重点研发计划项目资助(2016YFB1001103)

摘要/Abstract

摘要： 用户成长值反映用户粘性，预测用户成长值有助于实现精准营销。聚焦用户成长性画像研究，针对用户原始数据记录复杂多样、难以提取有效特征的问题，通过散点图分析挖掘影响用户成长值的因素，提取行为特征和相对稳定的时间特征，并对比基于树的特征筛选算法和L1范数进行特征筛选。针对已标注成长值的用户数据不足问题，改进COREG算法，通过半监督学习模型丰富训练数据，提高模型的预测准确度，同时降低原算法的时间复杂度，最后采用模型融合整合不同模型的优势。在CSDN博客平台提供的SMP CUP 2017数据集上进行实验，结果表明，建立的模型有效地提高了泛化能力和预测准确度。


PDF全文下载地址:

http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3046