E-commerce services provide online shopping sites and mobile applications for small and medium sellers. To provide more efficient buying and selling experiences, a machine learning system can be applied to predict the optimal organization and display of products that maximize the chance of bringing useful information to user that facilitate the online purchases. Therefore, it is important to understand the relevant products for a gender to facilitate the online purchases. In this work, we present a statistical machine learning (ML)-based gender prediction system to predict the gender “male” or “female” from transactional E-commerce data. We introduce different sets of learning algorithms including unique IDs decomposition, context window-based history generation, and extract identical hierarchy from training set to address the gender prediction classification system from online transnational data. The experiment result shows that different feature augmentation approaches as well as different term or feature weighting approaches can significantly enhance the performance of statistical machine learning-based gender prediction system. This work presents a ML-based implementational approach to address E-commerce-based gender prediction system. Different session augmentation approaches with support vector machines (SVMs) classifier can significantly improve the performance of gender prediction system.

中文翻译：

---

基于分层电子商务数据的客户性别预测系统

电子商务服务为中小型卖家提供在线购物网站和移动应用程序。为了提供更高效的购买和销售体验，可以应用机器学习系统来预测产品的最佳组织和展示，最大限度地为用户带来有用的信息，促进在线购买。因此，了解性别的相关产品以方便在线购买非常重要。在这项工作中，我们提出了一个基于统计机器学习 (ML) 的性别预测系统，以从交易电子商务数据中预测性别“男性”或“女性”。我们介绍了不同的学习算法集，包括唯一 ID 分解、基于上下文窗口的历史生成、并从训练集中提取相同的层次结构，以解决来自在线跨国数据的性别预测分类系统。实验结果表明，不同的特征增强方法以及不同的术语或特征加权方法可以显着提高基于统计机器学习的性别预测系统的性能。这项工作提出了一种基于 ML 的实施方法来解决基于电子商务的性别预测系统。使用支持向量机 (SVM) 分类器的不同会话增强方法可以显着提高性别预测系统的性能。实验结果表明，不同的特征增强方法以及不同的术语或特征加权方法可以显着提高基于统计机器学习的性别预测系统的性能。这项工作提出了一种基于 ML 的实施方法来解决基于电子商务的性别预测系统。使用支持向量机 (SVM) 分类器的不同会话增强方法可以显着提高性别预测系统的性能。实验结果表明，不同的特征增强方法以及不同的术语或特征加权方法可以显着提高基于统计机器学习的性别预测系统的性能。这项工作提出了一种基于 ML 的实施方法来解决基于电子商务的性别预测系统。使用支持向量机 (SVM) 分类器的不同会话增强方法可以显着提高性别预测系统的性能。