随着电子商务的迅猛发展,电子商务环境下的退货问题日益重要。产品销售中的高退货比例会为企业带来额外的物流和返修等成本,影响企业的正常运营。因此,有效防范退货风险、识别潜在的退货倾向对于提高电子商务企业的管理决策水平具有重要意义。在大数据背景下,电子商务企业积累了大量销售、退货和客户等多源异构数据,可基于此挖掘用户在电子商务平台中购买和退货的行为模式,进而预测退货风险。针对电子商务环境下的退货风险建模,引入二部图结构组织历史退货记录,并将问题形式化为二部图上的节点排序问题。根据退货的用户和被退货产品的结构特点,在退货二部图中定义随机游走规则,以表征退货风险在不同产品与用户之间的传递,即将客户的退货风险表征为其退货的产品,而产品的风险表征为相关的客户。此外,考虑到退货记录的稀疏性问题,进一步引入影响退货的用户和产品等各类特征,作为随机游走的先验信息,从而提出一种融合特征的退货风险预测方法。针对提出的预测算法,采用淘宝网一户商家的真实退货数据进行实验,实验结果表明,提出的退货风险预测方法与同类方法(如SVD和NMF等)相比具有更高的预测精度,同时相关特征的引入有效提升了模型的预测能力,特别是产品价格和质保证书对于预测精度具有显著的提升。该方法对于电子商务企业有效防范退货风险、加强客户管理等方面具有较强的实际意义。一方面,可以帮助企业识别具有高退货风险的客户,并加强特定客户的关系管理;另一方面,可以改进对于高退货风险产品的规划,如改进质量、加强包装等。