用于预测消费行为的深度学习模型设计与实现开题报告
2020-04-13 14:54:03
1. 研究目的与意义（文献综述）
1.1课题研究的目的、意义
对于电子商务平台而言，用户消费行为预测（主要研究购买倾向，即用户购买某一商品的可能性）直接关系着其广告投放、商品推荐。良好的用户消费行为预测模型的应用有助于电商卖家洞悉用户消费心理，跟踪用户消费趋势，从而生产用户喜欢的商品，提高商家的盈利。国内外已经有很多学者对在线用户行为分析进行研究。通过对在线用户行为的分析建模构造了包括推荐系统,社交影响力分析等众多应用,并取得了不错的效果。
用户消费行为预测是一个强相关和紧耦合的非线性问题。在处理此类问题的众多方法中，深度学习独领风骚，以非常高的准确率成为国内外学者及大型企业钟爱的方法。优良的深度学习模型可以挖掘用户行为的特征，并自发地处理众多特征之间的关联关系，从而达到对该非线性问题准确拟合的效果，作出准确预测。
2. 研究的基本内容与方案
2.1研究（设计）的基本内容
2.1.1、基本内容：
1、使用python爬虫在某电子商务平台上爬取消费数据；
3. 研究计划与安排
| 序号 | 任务 | 日期 |
| 1 | 阅读参考文献，了解相关概念、原理及方法； 结合论文题目进行需求分析，形成思想路线，撰写开题报告。 | 2018/1/4-2018/3/5 |
| 2 | 根据需求，完成系统的设计 | 2018/3/6-2018/3/25 |
| 3 | 根据系统的设计完成系统的代码实现和测试 | 2018/3/26-2018/4/30 |
| 4 | 撰写和修改毕业论文。 | 2018/5/1-2018/5/25 |
| 5 | 准备答辩所需材料，进行论文答辩。 | 2018/5/26-2018/6/6 |
4. 参考文献（12篇以上）
[1]. 顾海斌. 基于大规模电商数据的用户消费行为分析方法研究[d]. 吉林大学, 2016.
[2]. 丁一楠. 基于数据驱动的消费者决策预测研究[j]. 广东经济, 2017(18).
[3]. 贾棋然. 基于python专用型网络爬虫的设计及实现[j]. 电脑知识与技术,2017,(12):17-19.
