A latent-class model for estimating product-choice probabilities from clickstream data

این مقاله مشتری رفتار محصول انتخابی را براساس تجربیات و فرکانس نمایش هر صفحه مشتری در سایتهای تجارت الکترونیک بررسی می کند. به تازگی، ما یک مدل بهینه سازی برای تخمینی احتمال انتخاب محصول را طراحی کردیم که به تنهایی، محدب بودن و محدودیت تقریبی با توجه به سرعت و فرکانس، رضایت بخش بود. این مدل محدود شده با شکل عملکرد پیش بینی شده بالا را فراهم کرد حتی زمانی که چندین نمونه آموزشی وجود داشت. با این حال، سایت های تجارت الکترونیک معمول در انواع مختلفی از محصولات قرار می گیرند، بنابراین عملکرد پیش بینی شده این مدل می تواند با ادغام چنین ناهمگونی محصول بهبود یابد. برای این منظور، یک مدل ریسک شکل جدید کلاس غیرقابل پیش بینی را برای برآورد احتمال انتخاب محصول برای هر کلاس پنهان محصولات تولید می کنیم. ما همچنین یک الگوریتم حداکثر سازی انتظار را برای ارزیابی پارامتر ارائه می دهیم. نتایج محاسباتی نشان می دهد که عملکرد پیش بینی بالاتری با مدل غیرواقعی ما به دست آمده از مدل پیشنهادی قبلی شکل یا رگرسیون لجستیک طبقه نهفته است.