时间和产品预测的序列挖掘答案

【问题标题】：sequence mining for time and product prediction时间和产品预测的序列挖掘
【发布时间】：2012-01-16 02:51:05
【问题描述】：

我面临一个关于序列挖掘的棘手问题，假设我有 10 个产品，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。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.....

现在我需要预测为用户宣传产品的最佳时机。

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，例如记录会像

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

然后我会得到 p1T1->p2T2 等规则，因为 T3>T2>T1... 任何不符合此条件的规则都将被丢弃。

但是，我对这个解决方案不是很满意。有什么建议吗？

【问题讨论】：

你的问题不清楚。请解释一下 t1 和 T1 是什么。它们是日期时间还是一天中的时间？什么是 p1T1？你如何聚类？此外，请解释您的算法和目标背后的基本原理。
t1 仅表示时间 1，可以是任何时间。 T1 表示时间集群 1，不管你如何集群它。我只是意味着我将它们分组，然后使用 Apriori 来查找推荐。但我认为应该有更好的解决方案

【解决方案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的开源 Java 源代码和一些示例：

希望这会有所帮助，

【讨论】：

【解决方案2】：

你的问题是推荐系统的应用，你可以向KDD cup 2011学习。虽然推荐的项目是音乐，但型号也能满足您的要求。而且大部分模型都会考虑时间，如果还是不满意，就应该学习时间序列分析和机器学习来进行预测。

【讨论】：