一种基于机器学习的电商消费者偏好预测方法及系统

本发明提出了一种基于机器学习的电商消费者偏好预测方法及系统。方法包括收集消费者的购物历史数据、社交媒体行为数据、商品评论和评分数据以及页面停留时间，通过数据预处理和特征工程将非结构化数据标准化，利用机器学习算法如Gradient Boosting Decision Trees(GBDT)来进行联合训练预测消费者的多种偏好，并揭示偏好间的关联。系统还引入了预测模型的创新评价指标，包括商业价值、消费者满意度及常规模型评价指标如准确率、召回率，以全面评估预测模型的优劣。本发明能有效提高消费者偏好的预测精度和个性化推荐效果，有助于电商平台提升购买率、消费者满意度以及做出更佳商业决策。