【项目】用户行为预测_cikm 2019 ecomm ai:用户行为预测-CSDN博客

本文链接：https://blog.csdn.net/molly4869/article/details/136966643

文章讲述了作者参与阿里天池用户行为预测比赛的过程，涉及数据集使用（如item.csv和user.csv），通过分析用户历史行为（如购买、收藏等）和热门商品，实现个性化商品推荐。作者展示了如何读取数据、处理缺失值以及构建用户行为特征，最终生成用户Top50商品推荐列表。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、介绍

我目前做的内容还没结束，不方便说，但是也是一个用户行为预测，需要自己找数据集，找方法。然后我们找到了一个类似的，先看看别人怎么做的。下载了阿里天池比赛的数据集，然后论坛中有人放了自己的代码，我自己改了改能跑起来。

二、链接

阿里天池的比赛：CIKM 2019 EComm AI：用户行为预测_算法大赛_天池大赛-阿里云天池的赛制

三、数据集

item.csv：商品id，商品一级类目id，商品叶子类目id，商品品牌id。
user.csv：用户id，性别，年龄，【1~9】的数
user_behavior.cs：用户id，商品id，行为，【数据集说明给的是日期，但是很明显不是，可能是时间戳】

submit.csv：自己建的，里面是空的，把最后的结果存里面

四、代码

介绍：根据商品信息（item.csv）、用户信息（user.csv）和购买信息（user_behavior.cs）给每个用户推荐50个商品。大概思路就是：给一个用户推荐商品，读用户的历史信息，有加购物车、收藏、购买、点击四种购物行为，给他们赋值，然后计算总和。比如用户把商品A加购物车了还点击了，接下来就要给她推荐商品A。此外，用户信息比较少，可能不够50个怎么办？从热门商品item_Top50中补齐。

详细：读购买信息，存在features里面-->读商品信息，存在items里面，只保留商品id和种类id两列-->把商品种类id添加到购买信息features中-->统计每个商品有多少个用户买，item_statistc包括两列商品id和数量-->item_statistc和item进行合并，取前50，命名为item_Top50，最热的50个商品-->合并，之后的item_Top50如下图：