鞋靴消费者多行为序列建模的个性化推荐训练数据

本数据用于训练鞋靴消费者多行为序列个性化推荐模型。模型基于用户浏览、购买、收藏、加购、评价、退货等历史行为序列，识别消费者对不同鞋靴品类、风格、价格区间及使用场景的动态偏好，预测其下一阶段可能感兴趣的鞋靴商品。该数据应用于企业自有线上销售平台的个性化推荐列表、猜你喜欢及商品详情页关联推荐场景，为消费者匹配更符合其需求的鞋靴商品信息，为平台运营人员优化商品展示顺序和推荐策略提供数据依据，解决统一推荐结果难以适配消费者个体偏好，以及单一行为信号难以准确反映购买意向的问题。一、加工前的数据说明：原始数据来源于企业自有平台的用户行为日志，原始数据包括：用户id、行为类型编码、行为在用户序列中的时间步位置、鞋靴品类。 二、处理规则：1.数据采集与清洗：从用户行为日志中按用户维度聚合采集多类型行为记录，进行去重与异常行为过滤。2.行为权重赋值：依据业务经验，按各行为类型对购买意向的贡献度赋予预设训练权重：浏览=0.2、评价=0.3、收藏=0.4、加购=0.6、购买=1.0、退货=-0.8，其中退货赋予负向权重，作为用户负面偏好信号参与模型训练。3.用户行为序列构建：将每位用户的多类型行为记录按时间先后顺序排列，标注各行为在用户序列中的时间步位置，构建用户多行为时序序列，捕捉用户兴趣的动态演变过程。4.预测目标标注：对每位用户的行为序列，将用于模型预测的目标商品标注为1，其余行为记录标注为0，作为推荐模型序列预测任务的监督信号。5.数据集划分：按训练、验证、测试用途对数据进行划分，生成数据集划分标识（train/val/test）。 三、数据内容描述：最终形成结构化的鞋靴消费者多行为序列建模个性化推荐训练数据集合，包含以下字段：1）用户id：经无规则编码化处理的用户唯一标识；2）行为类型编码：用户在平台上产生的行为类别（浏览/购买/收藏/加购/评价/退货）；3）该行为类型对应的训练权重：依业务预设规则赋予的行为权重值（浏览=0.2、评价=0.3、收藏=0.4、加购=0.6、购买=1.0、退货=-0.8）；4）鞋靴映射嵌入序号：经整数索引映射处理的商品匿名标识；5）鞋靴品类：行为涉及商品所属鞋靴品类（正装鞋/休闲鞋/运动鞋/户外鞋）；6）商品价格段：行为涉及商品的价格区间（0–99元/100–199元/200–399元/400–699元/700元以上）；7）行为在用户序列中的时间步位置：当前行为在该用户历史行为序列中的时序编号；8）是否为预测目标商品：标记该行为记录是否为序列推荐模型的预测目标（1=是，0=否）；9）数据集划分标识：样本所属子集类型（train/val/test），train表示训练集，val表示验证集，test表示测试集。

搜集汇总

背景与挑战

背景概述

该数据集由杭州适足鞋靴科技有限公司提供，用于训练鞋靴消费者多行为序列个性化推荐模型。数据来源于企业自有平台用户行为日志，包含浏览、购买、收藏、加购、评价、退货等多类型行为序列，并依据业务经验赋予各行为不同训练权重（如购买1.0、退货-0.8），以捕捉消费者对鞋靴品类、价格段等的动态偏好。数据集共2256条样本，含9个字段，按训练、验证、测试划分，应用于个性化推荐、猜你喜欢及关联推荐等场景，旨在解决统一推荐结果难以适配个体偏好及单一行为信号不足的问题。