algorithm - 用于时间和产品预测的序列挖掘

Question

我正面临一个关于序列挖掘的棘手问题，假设我有 10 种产品，我有数百万条记录，每条记录都包含用户、产品和购买时间戳。每个用户可能只有 1 条记录或 100 条记录..例如:

user 1, p1, t1
user 1, p1, t2
user 1, p2, t3
user 1, p3, t4
user 1, p1, t5
user 2, p2, t6.....

现在我需要预测何时是向用户推广产品的最佳时机。

到目前为止，我的解决方案是将时间分为几类。然后在数据上应用 Apriori，例如记录将像

user 1, p1T1
user 1, p2T2
user 1, p3T2
user 1, p2T1...

然后我会得到像 p1T1->p2T2 等规则，因为T3>T2>T1...任何不符合这个条件的规则都会被丢弃。

但是，我对这个解决方案不是很满意。有什么建议吗？

Answer 1

您可以应用顺序模式挖掘算法(例如 PrefixSpan、SPAM、GSP)或顺序规则挖掘算法，而不是应用 Apriori。

您可以在我的网站上查看这些算法和一些示例的开源 Java 源代码:

http://www.philippe-fournier-viger.com/spmf/

希望对您有所帮助，