申请/专利权人:深圳童尔家教育咨询有限公司
申请日:2021-11-10
公开(公告)日:2024-02-20
公开(公告)号:CN114187062B
主分类号:G06Q30/0601
分类号:G06Q30/0601;G06V10/44;G06V10/764;G06V10/82;G06N3/042
优先权:
专利状态码:有效-授权
法律状态:2024.02.20#授权;2023.05.09#专利申请权的转移;2022.12.16#专利申请权的转移;2022.04.01#实质审查的生效;2022.03.15#公开
摘要:本申请公开了一种商品购买事件预测方法,包括:采集商品图像,对所述商品图像进行识别,确定所述商品图像中的商品类别;获取用户购买商品的历史信息,基于所述历史信息及所述商品类别,利用人工智能方法对所述购买事件进行预测,预测出所述用户购买所述商品类别的购买概率,其中,所述历史信息包括所述用户购买商品的时间、地域、价格及频次;若所述购买概率大于预设阈值,则向所述用户推荐所述商品类别,以使所述用户对所述商品类别进行查阅并购买。
主权项:1.一种商品购买事件预测方法,其特征在于,包括:采集商品图像,对所述商品图像进行识别,确定所述商品图像中的商品类别;获取用户购买商品的历史信息,基于所述历史信息及所述商品类别,利用人工智能方法对所述购买事件进行预测,预测出所述用户购买所述商品类别的购买概率,其中,所述历史信息包括所述用户购买商品的时间、地域、价格及频次;若所述购买概率大于预设阈值,则向所述用户推荐所述商品类别,以使所述用户对所述商品类别进行查阅并购买;其中,所述获取用户购买商品的历史信息,基于所述历史信息及所述商品类别,利用人工智能方法对所述购买事件进行预测;包括:构建图卷积神经网络,包括:在图嵌入阶段,使用双层并联图卷积神经网络来捕获图形空间特征;在傅里叶域中,构建用于捕获图中节点空间特征的滤波器,将所述滤波器遍历图中的每一节点;在获取所述每一节点的空间特征后,通过堆叠多个图卷积层构建图卷积神经网络;利用多维霍克斯过程获取所述用户购买商品的历史信息;基于所述图卷积神经网络将所述历史信息与所述商品类别进行关联,获取关联矩阵;将所述关联矩阵输入循环神经网络模型中,通过所述循环神经网络模型对所述购买事件进行预测;其中,所述利用多维霍克斯过程获取所述用户购买商品的历史信息;基于所述图卷积神经网络将所述历史信息与所述商品类别进行关联,获取关联矩阵;将所述关联矩阵输入循环神经网络模型中,通过所述循环神经网络模型对所述购买事件进行预测,包括:按照时间序列维度,将用户与历史购买商品组成关联序列;所述关联序列包括关联矩阵S,所述关联矩阵S用于表述时间维度和商品维度的关联关系,Si,j=[Itemi,j,ti,j],其中Item表示商品标识,t表示周期,i,j为正整数,且0i,jN;建立关联模型,将所述关联序列输入至所述关联模型,输出所述用户与历史购买商品的特征向量;关联模型公式如下:其中FItem,t为关联模型函数,Hitemi,j和Gti,j分别表示商品强度函数和时间强度函数;特征向量包括用户与商品的关联系数和购买频率,其中,关联系数可表示该用户与该商品的关联关系;将所述特征向量输入所述图卷积神经网络,获取图邻接信息;将所述图邻接信息输入至所述图卷积神经网络,利用所述图卷积神经网络输出历史购买商品与购买时间的时空关联矩阵;将所述历史购买商品与购买时间的时空关联矩阵输入所述循环神经网络模型,以输出所述商品类别的购买概率。
全文数据:
权利要求:
百度查询: 深圳童尔家教育咨询有限公司 一种商品购买事件预测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。