买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜爱友智信息科技(苏州)有限公司申请的专利一种基于零售SaaS平台用户画像的构建方法、系统及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114943573B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210321906.8，技术领域涉及：G06Q30/0601；该发明授权一种基于零售SaaS平台用户画像的构建方法、系统及存储介质是由王欣;王佳文设计研发完成，并于2022-03-30向国家知识产权局提交的专利申请。

本一种基于零售SaaS平台用户画像的构建方法、系统及存储介质在说明书摘要公布了：本发明提供一种基于零售SaaS平台用户画像的构建方法、系统、存储介质及电子设备，获取商品信息、用户信息，对用户属性行为进行画像，建立用户特征矩阵，建立商品特征矩阵，计算商品关联度以及用户兴趣度，生成第一推荐列表，计算用户兴趣度排名在阈值范围内中每个商品的商品特征矩阵中特征值与当前用户的用户特征矩阵中特征值的相似度，根据相似度对商品进行排序，选取相似度满足阈值的商品进行展示。本发明通过对商品关联度进行多层卷积运算后再进行用户兴趣度计算，将商品关联度与用户兴趣度紧密关联，提高了用户兴趣度商品搜索的精度。

本发明授权一种基于零售SaaS平台用户画像的构建方法、系统及存储介质在权利要求书中公布了：1.一种基于零售SaaS平台用户画像的构建方法，其特征在于，步骤101，获取商品信息、用户信息；步骤102，对用户属性行为进行画像，建立用户特征矩阵；步骤103，建立商品特征矩阵；步骤104，计算商品关联度以及用户兴趣度，生成第一推荐列表；所述用户兴趣度计算具体为：建立商品关联度矩阵KBx，y，gij，将商品按照关联度gij从大到小顺序装入所述商品关联度矩阵中；其中，B表示商品编号，x为商品在矩阵中的行，y为商品在矩阵的列；采用卷积映射算法计算最优关联度商品矩阵，设置卷积核大小为3*3，卷积层为两层；卷积核对于第一层卷积矩阵KBx，y，gij进行轮询计算，卷积核对于每次轮询覆盖范围内的3*3列子矩阵进行计算：步骤1041，获取子矩阵的中心位置商品关联度信息；步骤1042，计算中心位置商品周围商品的第一平均关联度；具体地，采用以下公式计算中心位置商品周围商品的第一平均关联度g′： 其中，r为半径，中心点为中心位置商品，r＝1；gij表示小矩阵中每个商品的关联度；步骤1043，将第一平均关联度赋值给中心位置商品关联度；步骤1044，将计算后的中心位置商品关联度信息依次保存至第二层卷积矩阵；将计算后的中心位置商品信息依次保存到第二层卷积矩阵K2Bx，y，gij对应的位置中；卷积核对于第二层卷积矩阵K2Bx，y，gij进行轮询计算，卷积核对于每次轮询覆盖范围内的3*3列子矩阵进行计算；步骤1045，获取子矩阵的中心位置商品关联度信息；步骤1046，计算中心位置商品周围商品的第二平均关联度；具体地，采用以下公式计算中心位置商品周围商品的第二平均关联度g′： 其中，r为半径，中心点为中心位置商品，r＝1；g′ij表示小矩阵中每个商品的关联度；步骤1047，将第二平均关联度赋值给中心位置商品关联度；步骤1048，将计算后的中心位置商品关联度信息依次保存至第三层卷积矩阵；将计算后的中心位置商品信息依次保存到第三层卷积矩阵K3Bx，y，gij对应的位置中；在获得第三层卷积矩阵后，还包括：通过兴趣度公式计算当前用户对第三层卷积矩阵K3Bx，y，gij中商品的兴趣度，计算公式如下：Xhj＝gij*phj其中，Xhj表示用户h对K3Bx，y，gij中某一商品j的兴趣度；phj表示用户h对商品j的行为记录次数，行为次数是指在SaaS平台中该用户对j商品的购买、收藏、浏览、点赞、搜索历史行为次数总和；根据Xhj值大小，选取排名前在用户兴趣度排名在阈值范围内的商品；步骤105，计算第一推荐列表中用户兴趣度排名在阈值范围内中每个商品的商品特征矩阵中特征值与当前用户的用户特征矩阵中特征值的相似度；步骤106，根据相似度对商品进行排序，选取相似度满足阈值的商品进行展示。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人爱友智信息科技(苏州)有限公司，其通讯地址为：215400 江苏省苏州市太仓市科教新城子冈路27号6号楼8楼801室LA16；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。