硕士学位论文
电子商务用户类型识别研究及应用
Research and Application of
E-commerce User Type Identification
作者姓名：
学科、专业：
研究方向：
高莹
企业管理
电子商务
0219423
钱晓东
学
号：
指导教师：
完成日期：
2022年 5月
兰州交通大学
Lanzhou Jiaotong University
兰州交通大学硕士学位论文
摘
要
伴随着电子商务用户规模的爆发式增长，电子商务成为促进经济增长的新动力。立
足于电子商务平台中，基于不同消费群体具有异质性的特点，对电子商务的用户类型特
征进行深入的研究与划分，有十分重要的意义。在这一研究背景下，本文站在复杂网络
的角度，将电子商务用户代入复杂网络中，重点对社会化电子商务平台的用户类型进行
识别研究，具体从以下三个方面进行研究与实践检验：
（1）引入密度峰值聚类算法进行用户类型识别研究。针对原始密度峰值聚类算法
的不足，结合社会化电商网络用户特点进行算法的改进，包括在算法初始阶段改进对密
度指标的选择，将用户节点之间的关系采用距离测量的方式体现；在聚类阶段引入近邻
KNN方法，找到样本的峰值密度；在社区划分阶段基于用户标签传播的分配方式，进
行剩余节点的分配，最后完成用户类型划分。并且进行算法性能测试后，表明本章算法
的 F-Measure值较原始的 DPC算法提高了 14.06%，准确度上具有相当的优势。
（2）引入复杂网络同步理论中经典的 Kuramoto模型，根据社会化电子商务用户网
络特性具有交互的特点，对原始的 Kuramoto模型进行算法的优化，获得 Kuramoto最近
邻模型，并且以用户行为的相似度进行测量，选取相似节点，对其进行耦合作用，更换
相位。以人工数据集和淘宝电子商务数据集作为算法的仿真数据集，进行算法性能测试
及用户类型识别。实验结果表明，优化后的模型运行速度更快，聚类效果即簇类划分更
明显，更加适用于真实的社会化电商用户网络。
（3）对 Kuramoto模型的进一步加以优化，依据社会化电商网络中通常存在少数领
导者节点影响多数消费者的特性，在原始的 Kuramoto模型中设置关键节点的耦合作用，
使改变后的模型更加适用于网络形态，并从驱动范围与效果两个方面讨论领导者节点的
作用。最后以人工数据集和广告营销—用户网络仿真数据集来讨论优化后模型的适用效
果，结果证明加入领导者驱动效果对不同类型的消费者有明显的作用。并且，实验结果
表明本章提出的优化的 Kuramoto同步聚类算法的运行速度及簇类划分优于原始算法。
本文的研究成果及结论能够对用户类型识别相关研究做出补充，并对电子商务的个
性化推荐提供可靠支撑，旨在对企业的运营管理、营销策略等方面提供切实可行的工具。
关键词：电商网络；密度峰值聚类；Kuramoto模型；用户类型识别
论文类型：应用研究
- I -