Predicting Online Purchase Behavior Using Truncated Session Data - Comparing the within session and inter session
- 현재 세션(1개)의 모든 클릭 로그를 대상으로 LSTM을 사용해서 다음 세션에 구매가 일어날지를 예측
현재 세션(1개)의 모든 클릭 로그를 대상으로 MLP, Gaussian Naive Bayes, Decision Tree, XGBoost, Logistic Regression, Linear SVM을 사용해서 구매 예측- 스코어 확인 완료- 현재 세션 앞 부분의 10개의 클릭 로그를 대상으로 구매 예측을 할 때, MLP, Gaussian Naive Bayes, Decision Tree, XGBoost, Logistic Regression, Linear SVM을 사용해서 구매 예측
- 현재 세션 앞 부분의 2~10개의 클릭 로그를 대상으로 구매 예측을 할 때, LSTM만을 사용해서 구매 예측
- 현재 세션(1개)의 구매 이전 클릭 로그를 대상으로 LSTM을 사용해서 현재 세션에 구매가 일어날지를 예측
- 구매가 없으면 해당 세션의 전체 클릭로그가 대상임
- 현재 세션(1개)의 구매 이전 클릭 로그를 대상으로 MLP, Gaussian Naive Bayes, Decision Tree, XGBoost, Logistic Regression, Linear SVM을 사용해서 현재 세션에 구매가 일어날지를 예측
- 구매가 없으면 해당 세션의 전체 클릭로그가 대상임
- 현재 세션 앞 부분의 10개의 클릭 로그를 대상으로 구매 예측을 할 때, MLP, Gaussian Naive Bayes, Decision Tree, XGBoost, Logistic Regression, Linear SVM을 사용해서 현재 세션에 구매가 일어날지를 구매 예측
- 현재 세션 앞 부분의 2~10개의 클릭 로그를 대상으로 구매 예측을 할 때, LSTM만을 사용해서 현재 세션에 구매가 일어날지를 예측