基于复杂网络重叠社区的电子商务用户复合类型识别

【目的】由用户特征的多样性可知,用户往往是多重角色的混合体,而已有研究很少涉及用户复合类型,这不利于电子商务运营商全面地了解客户。本文提出一种电子商务用户复合类型的识别算法,为运营商的个性化营销提供数量化依据。【方法】基于用户访问序列的特点构建节点距离矩阵;从重定义匹配数、编辑代价和编辑规则等方面改进Jaro-Winkler Distance算法,计算用户访问序列距离矩阵;以距离矩阵为基础,区分中心用户和非中心用户,并构建用于用户复合类型识别的复杂网络;从改进初始模块度增量矩阵等方面改进CNM算法,获得用户类型初始划分;再利用模糊隶属函数进行用户优化,最终得到电子商务用户复合类型。【结果】以CONGA算法作为比较基准,首先采用LFR基准程序生成的网络测试本文算法性能,计算结果表明本文算法的NMI值较基准算法最高提高了15.60%;再利用用户真实在线数据进行算法应用,计算结果表明本文算法的整体聚类系数值较基准算法最高提高了10.87%;且算法的时间复杂度低于基准算法。【局限】本文算法需要主观设定三个参数。【结论】用户网络符合小世界模型特性,具有复杂网络的典型形态;利用本文算法可以有效识别电子商务用户复合类型。