1. 研究目的与意义（文献综述）

1.目的及意义

随着电子商务的发展，网络购物已经成为一种主要的消费模式。主要的大型购物平台如淘宝、京东都聚集了海量的商品和用户。与此同时，趋同商品与长尾商品必然[1]会出现。趋同商品是指单种商品销量较高，由于种类繁多，形成的累计销售总量较大，能够增加企业盈利空间的商品。在电子商务网站中，用户信息繁杂且购买趋同商品数量种类繁多、数据复杂，因此对用户购买趋同商品的行为与趋势预测具有一定的挑战性。与此同时，电子商务平台上的激烈竞争，使得商家为了更好贴近消费者的实际需求，细化了产品需求，这也使每种产品针对的用户范围更为狭窄了。如何才能快速有效地从茫茫人海中定位出相应的消费者，并建立更有针对性的营销方案，对购买趋势准确的预测，从而把握商品的销量，有效地分配资金、库存、人力资源等物流要点，是电商们在接下来的竞争和发展中，不得不考虑的重要环节。消费者在电子商务平台上产生了大量的行为数据，使得分析清费者的购买意图和消费习惯成为可能，从而实现-对一的的精准推荐，与对商品销量与用户购买行为喜好的完美把控。

商品单一且销量较少的时候，我们通常使用传统统计或是简单的计算来解决对商品销量与用户购买趋势预测的问题[2]，但当商品种类繁多或者销量高的时候，传统的计算与统计就无能为力。此时，利用海量的销售信息信息和丰富的用户个人信息，基于机器学习，采用改进的迭代回归树模型mart(multiple additive regression tree)，对用户购买趋同商品的行为进行预测分析成为了解决问题的法宝。因此选取各大电子商务网站和社交媒体网站的数据信息，使用真实数据构建回归预测实验，可能会得到一些有意义的发现。或是对于预测用户购买趋同商品的行为给出一个新颖的思路，可以更好更准确地预测趋同商品的销售趋势，可以更好地理解用户个性化需求，挖掘趋同商品市场潜在的经济价值，改进电子商务网站的服务。

2. 研究的基本内容与方案

2.研究（设计）的基本内容、目标、拟采用的技术方案及措施

2.1基本内容与目标

本次毕业设计的内容有针对网上商场购买商品，针对其中的趋同性产品解决其销量预测问题。研究基于迭代回归树模型的销量预测。对用户购买趋同商品的行为进行预测，就是探究哪些用户更倾向于购买趋同商品，分析用户购买

3. 研究计划与安排

1-3周:查阅相关文献资料，明确研究方向，确定研究内容，完成开题报告;

4-6周:完成迭代回归树模型的学习，并对比其他传统算法;

7-9周:完成软件设计;

4. 参考文献（12篇以上）

1. 参考文献

[1]白婷，文继荣，赵鑫，杨伯华.基于迭代回归树模型的跨平台长尾商品购买行为预测，2017.