从显式元素到隐式意图：用于可审计行为推理的预定义库

# 从显式元素到隐式意图：一个用于可审计行为推理的预定义库
来源：https://arxiv.org/html/2606.11207

###### 摘要

我们提出 **SemantiClean**，一个模块化框架，用于从电子商务会话数据中提取结构化语义信号，并通过共享的元素库驱动可插拔的推理目标——包括购买意图、客户细分和产品关联。与仅优化准确率的传统端到端预测器不同，SemantiClean 优先考虑可审计性、结构治理和可复现性（σ=0），明确以边际预测增益换取元素级别的透明度和可辩护的决策轨迹。该框架基于在线购物者购买意向（OSPI）数据集（UCI存储库ID 468；12,330个会话，18个特征），将二十四个行为元素组织成四层架构（功能层、交互层、系统层、上下文层），并通过三种防膨胀机制确保信号质量：冗余组贡献上限、分层罚分计算器偏差惩罚、以及自适应约束模式冷启动保护。

本报告介绍了 **LLM集成语义推理引擎**，这是一个完全实现的两阶段LLM驱动推理架构，在推理时利用完整的元素元数据。本报告中报告的所有定量结果均由该引擎产生。确定性引擎输出完全可复现（σ=0）；LLM相关结果（E8, E10）在固定提供商/模型/温度设置下，其输出变异性受到控制。性别推断目标在当前实现中无效，已从所有定量结果中排除。

## 1. 引言

从Web会话日志预测用户行为是电子商务分析领域长期存在的挑战。跳出率和页面浏览量等聚合指标捕捉了表面活动，但混杂了异质性的行为信号，这些信号对于不同的推理任务具有不同的语义权重。一个浏览了十二个产品页面且跳出率几乎为零的用户，可能是一位分析型研究者、一位比价的品牌忠诚者，或一位回头的意向买家——每种情况都需要不同的下游处理方式。

SemantiClean 通过将会话数据分解为一个语义上独特的行为元素库来解决此问题，每个元素捕捉一个范围狭窄的信号。这些元素由确定性引擎根据OSPI会话字段计算，然后由可插拔的推理目标聚合，这些目标定义自己的标签集和信号权重。同一个元素库同时服务于一个设计时的提议者/审查者流水线，该流水线使用大型语言模型生成和质量把关新元素，确保在库构建阶段而非推理阶段实现语义非冗余性。

Cirqueira 等人[2]提出了一种三方分类法，区分了三种电子商务购买行为预测任务：客户意图、购买会话和购买决策。这三个任务直接对应于 SemantiClean 的 `purchase_intent`、`customer_segment` 和 `product_affinity` 推理目标，将框架的目标设计建立在既有的研究分类法[2]之上。

SemantiClean 背离了电子商务分析领域主流的以准确性为中心的范式。该框架没有优化端到端的黑盒分类器，而是将行为预测视为一个可审计的推理过程。通过将信号提取（确定性元素库）与任务特定聚合（可插拔目标）解耦，系统优先考虑结构透明度、对低置信度猜测的保守放弃，以及对信号膨胀的显式治理。这种设计使 SemantiClean 成为合规敏感应用的基础设施，在这些应用中，决策可追溯性比原始预测性能的边际增益更重要。

该框架跨越三个主要的架构版本演进：

1.  **版本1：原型架构（v1.x）**：十一个元素，四个推理目标，带有外部提示文件的提议者/审查者代理。
2.  **版本2：确定性核心引擎**：JSON驱动架构——所有元素定义移至单一可信源库文件；无硬编码元素逻辑。
3.  **版本3：LLM集成语义推理引擎**：两阶段LLM推理引擎，支持按需加载元素，本报告已完全实现并进行了实证评估。

#### 相关工作。

以往OSPI研究主要依赖直接在原始会话特征上训练的端到端机器学习分类器——包括Sakar等人[11]的实时LSTM基准、Gupta, Alamuri 和 Bondalapu [4]的SMOTE增强SVC（ROC-AUC = 0.886, F1 = 0.633）、Tokuç 和 Dag [12]的混合点击流表示、Wang等人[13]的XGBoost多特征融合（准确率=0.9761, F1=0.9763），以及Zhou 和 Hudin [14]的GNN增强深度学习方法。相比之下，SemantiClean 强调可解释的模块化语义元素——一个通过可插拔推理目标组合的窄域行为信号库，而非输入黑盒模型。

在LLM方面，Chodak等人[1]展示了ChatGPT-4o在电子商务日志分析中的效率，同时提醒注意幻觉风险；诸如SPARK_AI[8]和HCoT[6]等结构化LLM架构表明，提示编排的多阶段工作流能提高推理可靠性。SemantiClean 通过其双引擎架构连接了这些线索。

## 2. 数据集

SemantiClean 运行于在线购物者购买意向（OSPI）数据集[UCI机器学习存储库，ID 468；10]，包含12,330个Web会话，18个特征，无缺失值。该数据集包含三个特征组。

#### 页面行为数值。

Administrative, Administrative Duration, Informational, Informational Duration, Product Related, Product Related Duration——每种内容类型的页面计数和停留时间，直接用于功能层和交互层元素。

#### Google Analytics 指标。

Bounce Rates (b), Exit Rates (e), Page Values (Pv), Special Day (Sday)——参与质量和促销邻近度信号。

#### 上下文分类变量。

Month, Operating Systems, Browser, Region, Traffic Type, Visitor Type, Weekend——用于上下文层元素的环境和流量条件。

二元目标标签 `Revenue`（购买完成，约15%正例率）仅用于推理验证，不参与元素计算。OSPI中缺失的三个字段——查询文本、类别详情和性别——分别代表了LLM补充机制（E8）和未校准的性别推断目标所解决的主要数据缺口。

#### 可复现性说明。

所有确定性结果的σ=0。E8和E10的LLM结果存在输出变异性；应在受控的提供商/模型/温度设置下收集多轮均值和标准差。

## 3. 元素库架构

### 3.1 四层组织结构

元素库将二十四个行为元素组织成四个语义层，按以下固定顺序执行（由库元数据决定）：

功能层 → 交互层 → 系统层 → 上下文层 (1)

**功能层**（E1–E4, E12–E16, E20）计算可直接测量的页面行为指标。**交互层**（E5–E8, E17–E19, E21–E24）捕获决策模式和意图信号。**系统层**（E9, E19）根据上游输出产生跨元素复合体。**上下文层**（E10–E11, E12, E14, E18）应用环境修饰器。层成员身份由每个元素定义的主要类别标签决定；每个元素的完整标签数组跨越 ≥ 2 个不同的层（审查者代理检查3）。

### 3.2 JSON驱动架构

所有元素定义、执行顺序、信号得分映射和冗余组参数都位于单个元素库文件（`behavior_elements.json`）中，作为两个引擎和设计时代理的单一可信源。确定性引擎从库元数据中读取执行顺序，通过函数调度表按名称调度元素特定的蒸馏函数，并根据每个元素的映射规范推导信号得分映射。当映射规范缺失时，应用硬编码的回退字典。添加新元素只需在库文件中添加一个条目；无需更改算法。

### 3.3 元素参考

表1总结了 `behavior_elements.json` 中的完整元素清单。元素E01–E11为核心库；元素E12–E24是在库扩展期间添加的，以提高OSPI信号覆盖率。

表1：核心行为元素汇总（E01–E11）。完整的24元素清单（包括扩展元素）见附录C。

## 4. 方法论

### 4.1 派生字段计算

在元素蒸馏之前，派生字段计算模块从原始OSPI字段计算一组派生字段。关键量包括总会话时长 D_total = D_admin + D_info + D_prod (公式1)、总页面数 N_total (公式2)，以及当 D_total > 0 时的时间分配比率 r_prod = D_prod / D_total 和 r_info = D_info / D_total (公式3-4)。这些比率分别被E1和E5直接使用。

D_total < 10 秒且 N_total = 0 的会话会触发回退规则1。这个10秒阈值是一个无消融支持的设计常量。Gorman [3] 为该设计选择提供了实证支持：在一项关于OSPI的多元逻辑回归研究中，极短会话与非购买行为强相关，其中 BounceRates, ExitRates, PageValues 和 VisitorType 均被确定为显著预测因子（AUC = 0.8969）。回退规则1的阈值将该实证发现操作化为一个确定性排除标准[3]。

### 4.2 功能层元素 (E1–E4, E12–E16, E20)

功能层元素直接从OSPI数字字段计算可直接观察的页面行为信号。所有计算都是确定性的（σ=0）。

#### E1 – 产品参与深度

将产品浏览行为的三个互补维度综合成一个深度分数：

s_depth = 0.40 · r_prod + 0.30 · min(1, t̄_prod/120) + 0.30 · min(1, Pv/50) (2)

其中 r_prod 捕捉时间分配，t̄_prod/120 捕捉每页停留深度（120秒归一化上限），Pv/50 捕捉Google Analytics页面价值（50单位上限）。权重系数 [0.40, 0.30, 0.30] 是设计常量。将停留时间、页面计数和GA页面价值结合成一个单一深度信号的理由得到了 Necula [9] 的支持，他证明了产品页面停留时间与跳出率、退出率和客户类型相结合，是购买决策的显著预测因子[9]。

#### E2 – 跳出退出承诺度

将会话承诺度计算为跳出-退出复合指标的补数：

s_commit = max(0, [1 − (0.5b + 0.5e)] · (0.7 + 0.3 · min(1, N_total/10)) − δ_traffic) (3)

其中对于付费搜索（TrafficType = 2）和引荐流量（TrafficType = 4），δ_traffic = 0.10。

#### E3 – 页面价值转化信号

对 Pv = 0 但有大量产品浏览的会话应用插补：

s_pv = { 0.15 如果 (Pv=0 ∧ N_prod > 3); min(1, Pv/50) 其他情况 } (4)

插补值0.15反映了设计假设：高浏览但GA为零的会话可能隐含转化意图，这得到了 Gupta, Alamuri 和 Bondalapu [4] 的特征分析支持，该分析将产品页面参与度确定为一个关键的行为预测因子。

#### E4 – 促销环境敏感性

是两个标记为偏差（†）的元素之一：

s_promo = 0.50 · S_day + 0.30 · 1[高峰月份] + 0.20 · 1[周末] (5)

高峰月份：11月、12月、2月、5月。高 s_promo 值表明观察到的购买行为可能由促销压力驱动，而非真实偏好。

### 4.3 交互层元素 (E5–E8, E17–E19, E21–E24)

交互层捕获决策模式、流量意图、访客忠诚度和LLM补充的语义信号。E5–E7完全确定性（σ=0）；E8和E10在推理时引入了LLM调用。

#### E5 – 研究决策风格

计算研究强度分数：

s_research = 0.35 · r_info + 0.30 · (1 − b) + 0.35 · min(1, N_prod/8) (6)

会话被分类为决策风格：分析型（s_research > 0.55）、适度型（0.25–0.55）、冲动型（≤0.25）。

#### E6 – 流量来源意图分数

通过查找表将流量类型代码映射到预定义的基础意图分数，这基于 Hendriksen 等人[5]的论证，即渠道类型对于匿名会话预测具有信息价值。

表2：流量来源意图分数查找表。流量类型代码7–20回退到默认分数0.40。回访者获得+0.15的忠诚度奖励（上限1.0），这是一个设计常量。

#### E7 – 访客忠诚度承诺度

从查找结构返回一个离散的忠诚度分数。

表3：访客忠诚度承诺度查找结构。边界条件：新访客的两个条件均满足时，s_loyalty = 0.55。

#### E8 – 搜索意图语义推理

在推理引擎中引入了LLM零样本调用，仅对搜索流量会话（Traffic Type ∈ {2, 3}）激活。使用零样本LLM推理进行语义搜索意图与 Chodak 等人[1]一致，他们实证评估了ChatGPT-4o在电子商务服务器日志上的表现，同时提醒需要精确的提示表述并管理幻觉风险。SemantiClean 的LLMExecutionGuard和E8的结构化输出要求直接回应了这些警示[1]。