CN109522329A - 一种基于人工智能的营销传播分析方法 - Google Patents
一种基于人工智能的营销传播分析方法 Download PDFInfo
- Publication number
- CN109522329A CN109522329A CN201811157967.5A CN201811157967A CN109522329A CN 109522329 A CN109522329 A CN 109522329A CN 201811157967 A CN201811157967 A CN 201811157967A CN 109522329 A CN109522329 A CN 109522329A
- Authority
- CN
- China
- Prior art keywords
- rule
- marketing communication
- reasoning
- artificial intelligence
- expert system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 41
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 25
- 238000004458 analytical method Methods 0.000 title claims abstract description 24
- 238000004519 manufacturing process Methods 0.000 claims abstract description 10
- 230000003993 interaction Effects 0.000 claims description 9
- 230000008901 benefit Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 230000008520 organization Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 108090000056 Complement factor B Proteins 0.000 description 1
- 108010014173 Factor X Proteins 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提出了一种基于人工智能的营销传播分析方法，通过利用专家系统将营销传播专家的专业知识上传到知识库中，由知识库根据专家知识模拟专家思维方式，由此创建产生式规则，专家系统中的推理库根据知识库中的规则和综合数据库中的事实对当前营销传播方案进行风险预测、价值评估以及预测营销效率；通过正向推理和反向推理，可以根据营销传播的最终结果推理出达到最终结果的条件，也可以根据营销传播的条件预测营销传播方案的最终结果，进而决定该营销传播方案是否执行，可以帮助投资者或领导者提前知道达到某一效果的营销传播方案需要的条件或根据已知的条件预测营销传播方案的可行性。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种基于人工智能的营销传播分析方法。
背景技术
人工智能技术已经在大数据分析及大数据价值挖掘领域起到越来越重要的作用。特别是深度学习人工智能技术在图像识别、语音合成、自然语言处理等领域取得重要技术突破。各国政府、大型企业及科研院所投入大量资源进行研究，并取得许多重要成果。例如，应用深度学习方法对肺癌CT扫描图片进行学习，建立识别模型进行分类，能够为医师提供辅助检测诊断，降低疾病预防风险。现有的深度学习人工智能模型是用户选取合适的训练样本和测试样本，然后应用深度学习算法对模型进行训练、测试，不断完善，最后再对训练好的深度学习人工智能模型进行应用。现代社会金融业高度发达，如何利用人工智能帮助投资者分析营销传播的方向、效率和规避风险，成为人们越来越关注的一个话题，因此，现需一种基于人工智能的营销传播分析方法。
发明内容
有鉴于此，本发明提出了一种基于人工智能的营销传播分析方法。
本发明的技术方案是这样实现的：本发明提供了一种基于人工智能的营销传播分析方法，其包括以下步骤：
S101、营销专家通过人机交互界面专业知识上传到专家系统中的知识库中，知识库根据知识库里的知识模拟专家的思维方式，创建产生式规则；
S102、专家系统中的推理库结合综合数据库中的数据，反复匹配知识库中的产生式规则，进行分析推理，对营销传播的效益以及风险进行预测，获得新的结论；
S103、推理库通过人机交互界面将推理的结果传输给用户。
在以上技术方案的基础上，优选的，S101中人机交互界面通过专家系统的知识获取模块将专家上传的专业知识转换成机器理解的表达形式。
在以上技术方案的基础上，优选的，S102中推理库反复匹配知识库中的产生式规则过程中，所需的原始数据、中间结果和最终结果均存储在专家系统中的综合数据库中。
在以上技术方案的基础上，优选的，S102中分析推理的方式包括正向推理和反向推理。
更进一步优选的，正向推理的规则是：
S201、在知识库中寻找出同综合数据库中的事实或断言相匹配的规则；
S201、运用冲突的消除策略，从满足要求的规则中挑选一个规则执行，从而改变综合数据库的内容；
S203、按照挑选的规则反复地进行寻找，直到综合数据库中存储的内容与目标一致，或者到没有找到匹配的规则时才停止。
更进一步优选的，反向推理的规则是：
S301、选定营销传播方案的最终结果为目标，从选定的目标出发，寻找执行后果与目标匹配的规则；
S302、如果这条规则的前提与知识库中的事实相匹配，问题就得到解决，否则执行S303；
S303、将这条规则的前提作为新的子目标，并对新的子目标寻找匹配的规则，执行逆向序列的前提，直到最后运用的规则的前提与数据库中的事实相匹配，或者直到没有规则再可以应用时，专家系统便以对话形式请求用户回答并输入必需的事实。
在以上技术方案的基础上，优选的，在推理过程或专家系统对解题步骤、处理策略、选择处理方法的理由、专家系统求解问题的能力、专家系统组织和管理其自身知识的行为作出必要的解释时，通过解释器实现用户和专家系统的应答。
本发明的一种基于人工智能的营销传播分析方法相对于现有技术具有以下
有益效果：
(1)通过利用专家系统将营销传播专家的专业知识上传到知识库中，由知识库根据专家知识模拟专家思维方式，由此创建产生式规则，专家系统中的推理库根据知识库中的规则和综合数据库中的事实对当前营销传播方案进行风险预测、价值评估以及营销效率；
(2)通过正向推理和反向推理，可以根据营销传播的最终结果推理出达到最终结果的条件，也可以根据营销传播的条件预测营销传播方案的最终结果，进而决定该营销传播方案是否执行，可以帮助投资者或领导者提前知道达到某一效果的营销传播方案需要的条件或根据已知的条件预测营销传播方案的可行性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种基于人工智能的营销传播分析方法流程图；
图2为本发明的一种基于人工智能的营销传播分析方法中正向推理的流程图；
图3为本发明的一种基于人工智能的营销传播分析方法中反向推理的流程图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
如图1所示，本发明的一种基于人工智能的营销传播分析方法，其包括以下步骤：
S101、营销专家通过人机交互界面专业知识上传到专家系统中的知识库中，知识库根据知识库里的知识模拟专家的思维方式，创建产生式规则；
S102、专家系统中的推理库结合知识库中的数据，反复匹配知识库中的产生式规则，进行分析推理，对营销传播的效益以及风险进行预测，获得新的结论；
S103、推理库通过人机交互界面将推理的结果传输给用户。
其中，S101中人机交互界面通过专家系统的知识获取模块将专家上传的专业知识转换成机器理解的表达形式。S102中推理库反复匹配知识库中的产生式规则过程中，所需的原始数据、中间结果和最终结果均存储在专家系统中的综合数据库中。
其中，S102中分析推理的方式包括正向推理和反向推理。
如图2所示，正向推理的规则是：
S201、在知识库中寻找出同综合数据库中的事实或断言相匹配的规则；
S201、运用冲突的消除策略，从满足要求的规则中挑选一个规则执行，从而改变综合数据库的内容；
S203、按照挑选的规则反复地进行寻找，直到综合数据库中存储的内容与目标一致，或者到没有找到匹配的规则时才停止。
正向推理简单来说，就是用已知条件，来推理结论，例如：A为已知条件，Z为结论，其中，X、B、E、Y和D均为推理条件；
Y&D->Z；
X&B&E->Y；
A->X；
可以由A可以得到X，由X和B、E可以得到Y，最后Y和D可以得到Z。
如图3所示，反向推理的规则是：
S301、选定营销传播方案的最终结果为目标，从选定的目标出发，寻找执行后果与目标匹配的规则；
S302、如果这条规则的前提与知识库中的事实相匹配，问题就得到解决，否则执行S303；
S303、将这条规则的前提作为新的子目标，并对新的子目标寻找匹配的规则，执行逆向序列的前提，直到最后运用的规则的前提与数据库中的事实相匹配，或者直到没有规则再可以应用时，专家系统便以对话形式请求用户回答并输入必需的事实。
反向推理简单来说，就是利用已知结论，来推出条件。如正向推理的例子来说，用已知结论Z，可以得到两个因子Y和D，然后又把Y当做结论，找到因子X、B和E，最后又把X当做结论，得到条件A。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于人工智能的营销传播分析方法，其包括以下步骤：
S101、营销专家通过人机交互界面专业知识上传到专家系统中的知识库中，知识库根据知识库里的知识模拟专家的思维方式，创建产生式规则；
S102、专家系统中的推理库结合综合数据库中的事实，反复匹配知识库中的产生式规则，进行分析推理，对营销传播的效益以及风险进行预测，获得新的结论；
S103、推理库通过人机交互界面将推理的结果传输给用户。
2.如权利要求1所述的一种基于人工智能的营销传播分析方法，其特征在于：所述S101中人机交互界面通过专家系统的知识获取模块将专家上传的专业知识转换成机器理解的表达形式。
3.如权利要求1所述的一种基于人工智能的营销传播分析方法，其特征在于：所述S102中推理库反复匹配知识库中的产生式规则过程中，所需的原始数据、中间结果和最终结果均存储在专家系统中的综合数据库中。
4.如权利要求3所述的一种基于人工智能的营销传播分析方法，其特征在于：S102中分析推理的方式包括正向推理和反向推理。
5.如权利要求4所述的一种基于人工智能的营销传播分析方法，其特征在于：所述正向推理的规则是：
S201、在知识库中寻找出同综合数据库中的事实或断言相匹配的规则；
S201、运用冲突的消除策略，从满足要求的规则中挑选一个规则执行，从而改变综合数据库的内容；
S203、按照挑选的规则反复地进行寻找，直到综合数据库中存储的内容与目标一致，或者直到没有找到匹配的规则时才停止。
6.如权利要求4所述的一种基于人工智能的营销传播分析方法，其特征在于：所述反向推理的规则是：
S301、选定营销传播方案的最终结果为目标，从选定的目标出发，寻找执行后果与目标匹配的规则；
S302、如果这条规则的前提与综合数据库中的事实相匹配，问题就得到解决，否则执行S303；
S303、将这条规则的前提作为新的子目标，并对新的子目标寻找匹配的规则，执行逆向序列的前提，直到最后运用的规则的前提与综合数据库中的事实相匹配，或者直到没有规则再可以应用时，专家系统便以对话形式请求用户回答并输入必需的事实。
7.如权利要求1所述的一种基于人工智能的营销传播分析方法，其特征在于：所述在推理过程或专家系统对解题步骤、处理策略、选择处理方法的理由、专家系统求解问题的能力、专家系统组织和管理其自身知识的行为作出必要的解释时，通过解释器实现用户和专家系统的应答。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811157967.5A CN109522329A (zh) | 2018-09-30 | 2018-09-30 | 一种基于人工智能的营销传播分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811157967.5A CN109522329A (zh) | 2018-09-30 | 2018-09-30 | 一种基于人工智能的营销传播分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109522329A true CN109522329A (zh) | 2019-03-26 |
Family
ID=65771566
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811157967.5A Pending CN109522329A (zh) | 2018-09-30 | 2018-09-30 | 一种基于人工智能的营销传播分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109522329A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111775158A (zh) * | 2020-06-08 | 2020-10-16 | 华南师范大学 | 人工智能伦理规则实现方法、专家系统和机器人 |
| CN112419126A (zh) * | 2020-12-07 | 2021-02-26 | 安徽四创电子股份有限公司 | 一种基于专家系统的城市公共安全视频监控评估系统 |
| CN113743748A (zh) * | 2021-08-19 | 2021-12-03 | 陈占斌 | 一种基于ai技术的销售工作表现评价系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915484A (zh) * | 2012-10-12 | 2013-02-06 | 重庆亚德科技股份有限公司 | 一种基于协同过滤的智能预案系统 |
| CN104200422A (zh) * | 2014-08-28 | 2014-12-10 | 邓鑫 | 一种用于遥感图像处理的专家系统 |
| CN104506338A (zh) * | 2014-11-21 | 2015-04-08 | 河南中烟工业有限责任公司 | 一种基于决策树的工业以太网网络故障诊断专家系统 |
| CN106405271A (zh) * | 2016-08-23 | 2017-02-15 | 上海局放软件技术有限公司 | 基于监测数据的变压器状态专家诊断方法 |
| CN107272646A (zh) * | 2017-06-30 | 2017-10-20 | 南京理工大学 | 基于专家系统的压力机故障诊断系统 |
| CN113128687A (zh) * | 2021-03-25 | 2021-07-16 | 北京博华信智科技股份有限公司 | 一种用于自动扶梯的故障诊断专家系统 |
-
2018
- 2018-09-30 CN CN201811157967.5A patent/CN109522329A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915484A (zh) * | 2012-10-12 | 2013-02-06 | 重庆亚德科技股份有限公司 | 一种基于协同过滤的智能预案系统 |
| CN104200422A (zh) * | 2014-08-28 | 2014-12-10 | 邓鑫 | 一种用于遥感图像处理的专家系统 |
| CN104506338A (zh) * | 2014-11-21 | 2015-04-08 | 河南中烟工业有限责任公司 | 一种基于决策树的工业以太网网络故障诊断专家系统 |
| CN106405271A (zh) * | 2016-08-23 | 2017-02-15 | 上海局放软件技术有限公司 | 基于监测数据的变压器状态专家诊断方法 |
| CN107272646A (zh) * | 2017-06-30 | 2017-10-20 | 南京理工大学 | 基于专家系统的压力机故障诊断系统 |
| CN113128687A (zh) * | 2021-03-25 | 2021-07-16 | 北京博华信智科技股份有限公司 | 一种用于自动扶梯的故障诊断专家系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111775158A (zh) * | 2020-06-08 | 2020-10-16 | 华南师范大学 | 人工智能伦理规则实现方法、专家系统和机器人 |
| CN111775158B (zh) * | 2020-06-08 | 2022-04-01 | 华南师范大学 | 人工智能伦理规则实现方法、专家系统和机器人 |
| CN112419126A (zh) * | 2020-12-07 | 2021-02-26 | 安徽四创电子股份有限公司 | 一种基于专家系统的城市公共安全视频监控评估系统 |
| CN113743748A (zh) * | 2021-08-19 | 2021-12-03 | 陈占斌 | 一种基于ai技术的销售工作表现评价系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Doumpos et al. | Multicriteria decision aid and artificial intelligence: links, theory and applications | |
| US7672915B2 (en) | Method and system for labelling unlabeled data records in nodes of a self-organizing map for use in training a classifier for data classification in customer relationship management systems | |
| CN109522329A (zh) | 一种基于人工智能的营销传播分析方法 | |
| EP1903479B1 (en) | Method and system for data classification using a self-organizing map | |
| US20200227175A1 (en) | Document improvement prioritization using automated generated codes | |
| CN110807566A (zh) | 人工智能模型评测方法、装置、设备及存储介质 | |
| CN107169586A (zh) | 基于人工智能的资源组合优化方法、装置及存储介质 | |
| Sadaei et al. | Multilayer stock forecasting model using fuzzy time series | |
| David et al. | Navigating Cost Overruns in Civil Engineering Projects: AI-Powered Root Cause Analysis | |
| Gao et al. | Mechanical equipment health management method based on improved intuitionistic fuzzy entropy and case reasoning technology | |
| CN109299470A (zh) | 文本公告中触发词的抽取方法及系统 | |
| Shivadekar et al. | Design of an efficient multimodal engine for preemption and post-treatment recommendations for skin diseases via a deep learning-based hybrid bioinspired process | |
| CN118056182A (zh) | 反应性语音设备管理 | |
| CN113256275B (zh) | 专家系统的更新方法、业务处理方法及装置 | |
| Almeida et al. | Embedding-level attention and multi-scale convolutional neural networks for behaviour modelling | |
| US20220231504A1 (en) | Method, device and storage medium for training power system scheduling model | |
| Du et al. | Two machine-learning techniques for mining solutions of the ReleasePlanner™ decision support system | |
| CN116108276A (zh) | 基于人工智能的信息推荐方法、装置及相关设备 | |
| Mentzas et al. | Data-driven collaborative human-AI decision making | |
| Ewertz et al. | Listen closely: Using vocal cues to predict future earnings | |
| Allam et al. | A Proposed AI Method for Tracking College Students’ Academic Progress | |
| CN112396325A (zh) | 案件处理方法、装置、介质及电子设备 | |
| Zuo et al. | Fuzzy rule-based transfer learning for label space adaptation | |
| Alfred et al. | Impact of ai on leveraging knowledge for engineers | |
| You et al. | DGDNN: Decoupled graph diffusion neural network for stock movement prediction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190326 |