实体商店用户购物行为数据对于把握市场潮流风向、分析用户购物喜好具有重要意义。通过有效的购物行为数据分析,能够针对用户偏好与市场风向及时调整营销服务策略,并为用户提供更加有效的个性化推荐服务。然而现有方法多数从商品角度孤立分析市场整体潮流风向变化,难以将用户与交互商品进行有效关联,致使无法针对用户喜好提供更符合个人偏好的推荐服务。本文针对实体商店用户购物行为识别方面展开研究,提出基于RFID与IMU数据融合的实体商店购物行为识别方法。该方法不仅针对潮流风向与用户购物意愿进行识别,同时为实现用户与交互商品的关联匹配提供一种切实可行的解决方案,以实现用户喜好与购物倾向性的有效分析。首先,对于热门商品与潮流风向,本文通过在Transformer中引入循环时间步机制与Seq Pooling模块设计实现Seq-UT网络架构,对商品被动交互过程产生RFID数据变化模式进行识别分析,以确定更受欢迎商品类型。其次,对于用户购物习惯问题,本文通过嵌套Transformer模块,设计实现同时具备表征时序数据顺序关系与不同序列关联性的Seq-TNT网络,对用户携带智能设备IMU数据进行识别,以分析用户独特的购物习惯。最后,对于用户与交互商品关联匹配问题,本文提出一种基于行为关联度与时域差异性匹配方法,通过skip-gram模型评估用户与商品行为关联度,并结合时域差异特征计算匹配度分数,通过匹配度分数与优化匹配算法评估用户与商品间关联性,以实现用户与交互商品的关联匹配,以获取不同用户购物偏好信息。在模拟购物环境下,该方法取得最低87.5%的匹配精度。