商品搜索中的點擊分析與預測.pdf

1、目前在全球的電子商務網站上每天都會產生數以百萬計的交易額。2009年，中國的C2C市場規(guī)模一舉超過30億美元。隨著電子商務市場爆炸式的增長，無論對于買家購物體驗，還是對于賣家商品的成交轉換來說，商品搜索結果的點擊預測分析都變得越來越重要。本文著眼于C2C電子商務網站，對用戶查詢日志以及點擊日志進行數據挖掘，分析了用戶對搜索結果的點擊行為，并給出了一個預測商品搜索結果點擊概率的解決方案和系統(tǒng)框架。
　　本文分為三大部分。在第一部分中

2、，我們闡述了商品搜索的自身特點，并通過數據統(tǒng)計分析了商品搜索結果的頁面展示和點擊率的分布情況；第二部分簡要介紹了點擊預測系統(tǒng)的框架和其中運用的數學模型，并闡述了特征處理過程中需要注意的問題；在第三部分我們詳細的研究了商品搜索各個維度的特征，并給出了預測點擊的算法和實驗分析。
　　在廣告搜索和網頁搜索的領域中，大量的學者對點擊預測做了深入的研究。然而在商品搜索領域中，有關搜索結果點擊分析與預測的研究卻很少。我們嘗試并驗證廣泛應用于廣

3、告搜索領域中的各種點擊預測方案在商品搜索領域中的有效性。同時，根據C2C網站中商品搜索的特點與特性，我們按照參與商品搜索過程的四個重要角色：查詢、買家、賣家和商品，將可用于構建預測模型的特征劃分為四類。針對每一類特征我們進行了深度挖掘和分析，并建立了對應的預測模型。大量的實驗和數據表明，這些具有商品搜索代表性的特征可以大幅度的提高搜索結果點擊預測的準確率與召回率，能夠為商品搜索的點擊預測提供重要的判斷依據。
　　在分析點擊預測模型

4、問題的同時，我們還對點擊模型中普遍存在的問題做了基本的分析和論證。位置偏置是點擊日志中普遍存在的現象，通過數據統(tǒng)計，我們可以總結出用戶更偏好點擊在搜索結果中排序靠前的結果。大量的學術論文對這一現象進行了研究和分析，在這些研究成果的基礎上，我們給出了適合商品搜索結果糾正點擊偏置的解決方案。由于真實的點擊日志中存在嚴重的數據分布不平衡的問題，直接用點擊日志數據來訓練模型會嚴重影響預測模型的性能。在本文中我們對該問題做了一定篇幅的討論并給出了