CN111951080A - 人工智能融入平台的方法和系统 - Google Patents
人工智能融入平台的方法和系统 Download PDFInfo
- Publication number
- CN111951080A CN111951080A CN202010829795.2A CN202010829795A CN111951080A CN 111951080 A CN111951080 A CN 111951080A CN 202010829795 A CN202010829795 A CN 202010829795A CN 111951080 A CN111951080 A CN 111951080A
- Authority
- CN
- China
- Prior art keywords
- module
- customer
- seller
- commodity
- registration
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 238000007726 management method Methods 0.000 claims description 78
- 238000004458 analytical method Methods 0.000 claims description 50
- 238000010801 machine learning Methods 0.000 claims description 17
- 238000013500 data storage Methods 0.000 claims description 16
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000013523 data management Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000002747 voluntary effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 229920002397 thermoplastic olefin Polymers 0.000 claims 3
- 230000001186 cumulative effect Effects 0.000 claims 1
- 230000005484 gravity Effects 0.000 claims 1
- 238000005065 mining Methods 0.000 claims 1
- 238000006116 polymerization reaction Methods 0.000 claims 1
- 230000006872 improvement Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 25
- 239000000047 product Substances 0.000 description 24
- 238000013527 convolutional neural network Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013526 transfer learning Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001965 increasing effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明是人工智能融入平台的方法与系统。消费者购物时，用手机或电脑拍照或者上传已有上传服装图片，通过相似图片搜索，将相似商品的购物清单通过平台推荐给用户。平台对没有入驻品牌或商品陈列的，在输入所需商品时，会主动显示查找的商品。用户提供的所需商品信息是购买转换的必需信息，信息价值较高，提高搜索效率是对顾客感兴趣信息的便利。任何销售人员都可以上传自己的商品图片，在输入销售网址路径时作为类似商品搜索服务的商品候选，提供给用户。平台运营商可以在不产生数据处理成本的下，将核心人工智能的改进取得进展。
Description
技术领域
本发明的实施例是顾客上传商品照片或者选择商品照片，找到最相似的商品并连接到网店，以及卖家注册自己的商品，并在网上销售储存，如果是类似的图像，则可以连接。对于提供客户关键信息，卖方将收取信息使用补偿。涉及到人工智能搭配平台的方法和系统，客户不需要找很多商品，卖家也不是不特定的客户营销，只能面向想要的客户进行直接营销。
背景技术
人工智能的发展，光是服装商品的图片，就可以辨别相似图像，判断相似度，随着大数据采集和数据处理技术的发展，收集各种服装商品储存，在各种服装商品中寻找和提供相似图像的服务。消费者无需到处寻找大量商品，只要关注自己想要的款式的商品图片，就能收到类似商品的清单。客户希望购买的商品信息是购买成功中价值较高的信息，在购买成功时，卖家向用户提供信息使用补偿。用户卖家之间的这种奖励体系被记录在区块链BLOCK CHAIN基础上进行管理，提高了透明度。以卖家的身份注册自己的商品时，已经用人工智能做了分类技术，提供符合服装类别分类体系的大中小判断，但注册时通过审批程序来。判断为分类时，可以修改确定。在这种情况下，人工智能的应用，用学习数据DATA实现转移学习，成为提高人工智能准确率的方法。实现良性循环连接，提高平台配备的人工智能的准确率。为早期市场形成和客户服务，收集并提供品牌商品信息，借助卖家简便的商品登记环境，扩大自愿商品登记，形成相互规模的上升作用，成为平台发展的良性循环动力。
发明内容
解决课题
本发明是服务用户检索大量商品信息的当前平台购买环境，通过人工智能协调将希望购买的商品作为购物商品清单，从过多信息中寻找商品，便于访问信息，大大改善购买便利性。卖家任何人都可以参与，只要是客户想要的相似商品，都可以被建议给客户，连接可能购买的客户。想要购买的商品形象对于卖家而言是高级信息，即使对此进行补偿，如果购买转化率较高，可能比任何营销渠道都更受青睐。由作为提供者的用户获得信息利用的补偿，从而根据信息所有权给予用户补偿。卖家相似图片检索将商品群登记的程序最小化，将繁杂商品登记的过程优先提供通过人工智能识别的结果值，注册确定。判断分类后，修改确定。自愿参与者，为平台的人工智能提升分类确认的改进过程被系统化为进化的循环。反应数据累积后，通过趋势建议、同龄群体偏好商品、品牌等的个性化推荐，支持个性化客服。
课题的解决手段
为了达到上述目的，根据本发明，人工智能协调平台的方法和系统是通过与服装相关的网络销售平台和舆情SNS上收集的文字、数字、图像收集/存储：收集的信息中，服装图像数据通过经过服装分类体系学习的人工智能模型进行人工智能图像识别部:收集的字符、数字数据服从服装、物品、区分者进行统计和排名的文字；数字数据加工部：分析来源数据存储/管理部，其中图像和文字数字的来源数据与加工数据连接，构成用户特定过滤器应用的限定词:当客户感兴趣的商品与提议的卖家连接和购买成功时，记录；管理存储的客户兴趣注册，卖方连接；客户希望推荐商品注册、商品推荐、购买连接处，让用户直接注册想要购买的商品，或者直接注册生活场景TPO、同龄群体偏好商品、热门趋势，选择想要的商品图片；直接注册和管理服装图像和网上销售网址的卖方商品登记/管理部:记录客户兴趣，当顾客感兴趣的商品与提议的卖家的联系和购买成功时，存储管理的客户兴趣登记，卖方连接部；顾客查询建议与服装图像相似的商品时，选择的商品，存储到网络购物网站列表的客户，卖家反应数据存储部:分析顾客偏好的品牌，或者服装类型，年龄，性别，以包括按地域等顾客群分析商品选择类型的客户、卖家反应数据分析部为特征。
此外，字母、数字、图像收集/存储单元、时尚商品特定商品名称、价格、实际价格、销售数量、库存信息、客户反应（评论、转推、推荐）等信息，以表格形式在相关数据库结构中显示字母、数字提取/存储模块;图像提取/存储模块，其中图像提取/存储模块将图像与表形式的数据相关联，并具有文件名;可能包括。
此外，人工智能图像确定单元，一个指导学习标签管理模块，用于管理目标值，将图像确定值分类为适合时尚标签值的分类方案;使用 Faster RCNN 模型。机器学习 CNN 学习模块，用于数据前处理和机器学习学习;机器学习 CNN 重新学习模块，包括重新学习和转移错误图像以提高目标值准确性.
此外，文字、数字数据处理单元、分类方案特定处理模块，将收集的数据源信息作为分析的基本单元; 收集是按收集单元分类的排名模块，可以按品牌单元、名人（博主、Youtube热点、舆情网站用户）进行分类或按相同的标准分类。
此外，分析原始数据存储/管理单元，图像、文字、数字连接模块，将图像、字符、数字数据处理单元的结果集成到连接符（PRIMARY KEY）中;分析项目管理模块，以定期、相同的视角处理连接数据;用户权限模块，用于访问用户定位的分隔符和项目信息。
此外，客户感兴趣的产品录入、产品推荐、采购连接、登记链接部，购买想要购买的商品图像，选择他们想要的商品，并支持与已登记的类似商品作为购物推荐列表。
商品注册模块，希望客户自己拍摄产品或上传存储的产品，并自行注册所需产品;生活场景TPO，通过平台提供生活场景TPO，同龄人集体首选产品，热点趋势图像，并选择和选择希望购买的产品，希望产品选择模块; 推荐商品查询、连接模块，根据注册产品提供购物推荐列表，通过类似判断提供给客户。
此外，卖方商品注册/管理部，直接注册和管理服装图片和在线销售链接URL。照片管理/确认模块，由卖方确认和再确认，通过平台人工智能提供结果，由卖家确认和再确认，卖方注册，向服务用户展示产品;照片注册历史记录存储模块，允许卖家重新查找和管理已注册的照片;采购连接管理模块，用于管理提供给客户的产品和采购产品，并管理采购连接。
此外，客户感兴趣的商品录入、卖方连接管理客户兴趣信息并与购买关联与卖家历史记录的透明区块链历史记录，以补偿客户提供购买商品注册的信息。客户兴趣登记管理历史记录（710），卖方注册管理历史记录（720），客户 - 包括卖方购买成功历史记录（730）。
客户感兴趣的注册管理历史记录模块，用于存储、管理客户所需的产品历史记录;卖方和卖方的产品，如客户想要的产品，提供给客户，管理卖方注册管理历史模块;客户-卖方购买成功历史记录模块，从提供给客户的购物清单中选择，以管理成功购买历史记录。
此外，客户、卖家反馈数据存储部，如果建议商品类似于客户查询服装图像，则存储与互联网商城相连的商品清单。客户查看管理模块，用于管理客户查看的产品照片;卖方登记管理模块，用于管理卖方注册的商品照片;管理客户查看并连接到在线商城的数据 。
此外，上述客户、卖家反馈数据分析部分析顾客偏好的品牌或服装款式，按年龄、性别、地域等顾客群分析商品流行趋势。按客户性别、年龄划分汇总分析、管理客户特征分析模块；根据卖家关联度、服种、款式风格特征进行分类汇总、分析、管理的卖家分析模块；顾客和卖家的购买连接，或者推荐客户和卖家交叉分析，分类分析，被管理的客户和卖家交叉分析模块。
发明效果
将大数据BIG.DATA和人工智能应用于服装业务，提供人工智能协调服务，提高客户购买便利性的效果，以及认可客户信息使用方面客户信息权利，以奖励消费者信息主权的获取效果和平台的创新是人工智能进展的良性循环反馈环节的可靠工具，具有创造性和先进性。卖家可以准确地了解和提出客户想要的，商品，从而成为提高购买转化率的新营销渠道。在卖家的商品注册过程中，通过确认程序确认人工智能分类中的错误，重新学习，可以提高人工智能在平台构成上的进步。目前人工智能最大的难题是结果值的决定和数据的收集和结果的标签部分，成为解决这部分的划时代选择，以此，服务用户。随着卖家规模的增长，将累积的反应数据为了解趋势现状、预测趋势、建议卖家、分析同龄群体偏好商品，成为客户个性化服务。
附图说明：
图1是根据本发明人工智能搭配平台的方法和系统的构造图。
图2中100是根据本发明的文字、数字、图像收集/存储部的组成图。200是根据本发明的人工智能图像识别部的组成图。300是是根据本发明的字母、数字数据加工部的组成图。400是根据本发明的分析来源数据存储/管理部的组成图。500是根据本发明的客户感兴趣商品登记、商品推荐、购买连接部的构成图。
图3中600是根据本发明的卖方商品登记/管理部的组成图。700是根据本发明的客户兴趣登记，卖方连接部。800是根据本发明的客户、卖方反馈数据存储部。900根据本发明的客户，卖方反馈数据分析部。
图4是根据本发明的人工智能搭配平台的方法和系统的概念图。
图5是根据本发明对用户感兴趣商品注册方法的可视化例子图。
图6是根据本发明的卖方商品登记/管理部的可视化例子图。
图7是根据本发明的服装类目分类体系图。
图1是根据本发明实施的人工智能协调平台的方法和系统提供装置的组成图。根据本发明，人工智能搭建平台的方法和系统如图1所示，包括文字、数字、图像采集/存储部(100)、人工智能图像识别部(200)、文字、数字数据加工部(300)、分析来源数据存储/管理部(400)，客户感兴趣商品登记，商品推荐，采购连接部(500)，卖方商品登记/管理部(600)，客户感兴趣商品登记，卖方连接(700)，客户，卖方反馈数据存储部(800)，客户，包括卖方反馈数据分析部(900)。把这些服务可视化后，图4人工智能协调平台的方法和系统的概念图一样。100是根据本发明的文字、数字、图像收集/存储部的组成图。根据本发明，文字、数字、图像收集/存储部如图所述，包括:字母、数字提取/存储模块(110)、图像提取/存储模块(120)。上述文字、数字、图像采集/存储部，将大数据根据其特点，分为图像、文字、数字进行收集、存储。
200是根据本发明的人工智能图像识别部的组成图。根据本发明，人工智能图像识别部如图所示，包括指导学习标签管理模块(210)、机器学习图像识别合成乘神经网络(CNN：Convolutional Neural Network)学习模块(220)、机器学习CNN(ConvolutionalNeural Network)再学习模块(230)。上述指导学习标签管理模块(210)用作机器学习用于人工智能图像判别学习的指导学习的标签值(目标值)。当输入图像时，根据分类体系进行指导学习，这个标签值按照适合时尚的标准来整理。标签值与类别体系大中小分类体系相同，其体系为图7。与时尚类别分类体系图相同。上述机器学习CNN(Convolutional NeuralNetwork)学习模块(220)分为1个、其中4个、13个(共13个)，分别通过人工智能进行判别。为了判断一张图像，将图像分为大-中-小阶段。在大分类中，在outer中分类中，中分类阶段分为COAT、JACKET、JUMPER、JUMPER_PARKA、VEST，如果中分类为COAT，则分在COAT中。最终，就是根据类别缩小识别，同时通过人工智能提高图像准确率。上述机器学习CNN再学习模块(230)在判断的结果由人判断时，不同情况下被误分类的图像再次重新用作人工智能的转移学习资料。通过店铺商品登记/管理部(600)组成图的照片管理/确定模块(610)来分类识别的图像是机器学习CNN再学习模块(230)的，用作学习数据的。
300是根据本发明的文字、数字数据加工部的组成图。根据本发明，字母、数字数据加工部如图所示，包括按分类体系加工模块(310)，按收集单元排序模块(320)。上述分类体系的加工模块(310)是服装类别分类体系(大-中-小)，每个分类的款式数、销售数量、库存数量、顾客反馈信息(点赞、评论、按收集单位排序模块(320)，收集数据按品牌、卖家、风格、随机分组，根据样式数、销售数量、库存数量、客户反馈信息(点赞、评论、转发)等的总数和大小预先组织排名。400是根据本发明的分析来源数据存储/管理部的构成图。根据本发明，分析来源数据存储/管理部如图所示，包括图像、字母、数字连接模块(410)、分析项管理模块(420)、用户权限模块(430)。上述图像、字母和数字连接模块(410)根据数据的性质将图像识别部(200)和通过字母、数字和数据加工部(300)得出的结果连接到连接器(PRIMARYKEY)来整合数据。上述分析项目管理模块(420)是确定分析的单位，以适合本服务和系统用户。对用户需求只对特定商品的项目进行分类时，或者只针对特定品牌、特定服从，构成核心竞争范围分析。上述用户权限模块(430)是将所提供的服务类型中，用户希望使用的项目配置作为服务项目提供。上述分析项目管理模块(420)按用户管理。此时，将权限和权限的期限配置为共同管理。
500是根据本发明的客户感兴趣的商品登记、商品推荐、购买连接部。根据本发明，客户感兴趣的商品登记，商品推荐，购买连接部如图所示，包括感兴趣商品登记模块(510)，感兴趣商品选择模块(520)，推荐商品查询，连接模块(530)，这些服务图为图5与用户感兴趣产品注册方法的可视化例子图相同。上述喜爱商品注册模块(510)。包括客户通过直接拍摄或上传存储的商品来注册所需商品的注册模块。上述喜爱商品选择模块(520)，通过平台选择生活场景TPO(生日，派对，毕业，入学，约会，观影，上班等)，展示多张符合生活场景TPO的图像，选择展示和选择同龄群体喜爱的商品，包括显示多张热门趋势的图片，并选择购买感兴趣商品注册的商品选择模块。上述推荐商品查询，连接模块(530)，包括推荐商品查询，连接模块，根据注册的商品，通过相似度判断提供给顾客的购物推荐清单。
图3中600是本发明中卖方商品登记/管理部的组成图。根据本发明，服装卖家管理部如图所示，包括照片管理/确定模块(610)、照片注册历史存储模块(620)、采购连接管理模块(630)。人工智能的知道学习需要目标值(标签)是高像素图像。相关学习数据通过参与者直接收集和调整，可以缩短机器学习和学习的预数据处理的过程，规模越大，人工智能准确率就能创造提升的机会。这些服务图6与卖方商品登记/管理部的可视化例子图相同。上述照片管理/确定模块(610)上传图片以注册商品来销售的目的，商品的服装类别值确定和互联网商品销售的网址输入的过程由卖家自己进行的照片管理和登记照片为了卖家的注册方便，产品的服装类别(大-中-小)分类是预定义的服装通过机器学习的人工智能，给出结果值，并在该类别中进行修改。根据本发明的图7服装类别分类体系图分类结果。包括照片确定的照片管理/确定模块，当被认为是分类时，直接改变为合适的服装类别后确定。上述照片注册历史存储模块(620)由照片注册历史存储模块组成，用于管理卖家注册服装商品的照片和注册信息。上述采购连接管理模块(630)包括采购连接管理模块，用于管理提供给客户的商品和购买的商品。
700是根据本发明的客户偏好商品登记，卖方连接部的组成图。根据本发明的客户兴趣登记，卖方连接部如图所示，包括客户兴趣登记管理履历(710)、卖方注册管理履历(720)、客户-卖方购买成功履历(730)。上述客户喜好登记管理历史(710)将客户兴趣信息和购买关联卖家历史信息管理于透明区块链BLOCK CHAIN，以补充客户购买商品注册的信息。包括客户兴趣登记管理历史模块，用于注册管理客户的喜好信息。上述卖方注册管理历史模块(720)存储卖方和卖方的产品，通过将客户所需的商品与相似度进行比较，为客户提供具有较高相似度的商品；客户-卖家购买成功历史(730)包括客户-卖家购买成功历史模块，该模块在提供给客户的购物列表中选定并管理购买成功的购买历史。管理卖家注册管理历史模块，包括:客户-卖家购买成功历史(730)，在提供给客户的购物列表中选定并管理购买成功的购买历史模块。
800是根据本发明的客户、卖方反馈数据存储部的组成图。根据本发明的客户，卖方反馈数据存储部如图所示，包括客户查询管理模块(810)，卖方登记管理模块(820)，卖方连接记录管理模块(830)。上述客户查询管理模块(810)包括客户查询管理模块，用于管理连接历史，包括客户特征(性别，年龄)。上述卖家注册管理模块(820)包括卖方注册管理模块，该模块根据服装服种、款式和参与度管理参与商品注册的卖家，以销售为目的。上述卖家连
接记录管理模块(830)由卖家连接记录管理模块组成，管理客户查看类似图片后连接到网店的历史。
900是根据本发明的客户、卖方反馈数据分析部的组成图。根据本发明，客户、卖方反馈数据分析部如图所示，包括按客户特征分析模块(910)、卖方分析模块(920)、客户和卖方交叉分析模块(930)。根据客户性别、年龄段的数据和品牌、款式进行偏好分析，为趋势现状确认和趋势预测、同龄群体偏好商品推荐以及合适的卖家连接服务提供分析结果。上述客户特征分析模块(910)包括客户特征分析模块，根据客户特征(性别、年龄)分析选择类型。上述卖家分析模块(920)包括卖方分析模块，用于分析每个卖家注册的商品类型、服装服种、概念和用户连接程度。上述客户和卖家交叉分析模块(930)由客户和卖家交叉分析模块组成，每个客户和卖方分析反馈程度。
符号描述图形的名称文字
100:文字、数字、图像收集/存储
110:文字、数字提取/存储模块
120:图像提取/存储模块
200:人工智能图像识别部
210:指导学习标签管理模块
220:机器学习CNN学习模块
230:机器学习CNN再学习模块
300:文字，数字数据加工部
310:按分类体系划分的加工模块
320:按收集单元排序模块
400:分析源数据存储/管理部
410:图像、文字、数字链接模块
420:分析项目管理模块
430:用户权限模块
500:客户感兴趣商品登记，商品推荐，购买连接部
510:感兴趣商品登记模块
520:感兴趣商品选择模块
530:推荐商品查询，连接模块
600:卖家商品注册/管理部
610:图片管理/确定模块
620:照片注册历史记录存储模块
630:采购链接管理模块
700:注册顾客兴趣，卖家连接部
710:注册客户喜好，管理历史
720:卖家注册管理历史
730:客户，卖家购买成功历史
800:客户，卖方反馈数据存储部
810:客户查询管理模块
820:卖方注册管理部
830:卖方连接记录管理部
900:客户，卖家反馈数据分析部
910:按客户特征分析模块
920:卖家分析模块
930:客户和卖家交叉分析模块。
Claims (22)
1.项1
根据数据的性质区分存储服装大数据的文字、数字、图像采集和存储部；在收集的数据中，通过图像识别来确定图像分类值的人工智能图像识别部；收集的数据包括文字挖掘技术或可进行四则运算数据的文字、数字数据加工部；将收集的数据组合存储为关联方(PRIMARY KEY)，并存储和管理反映使用环境的分析源数据；用户想要购买的商品，直接注册或推荐生活场景TPO、同龄群体偏好商品、热门趋势，选择想要的商品图片的客户感兴趣商品注册、商品推荐、购买连接部:直接注册和管理服装图片和网上销售网址的卖方商品登记/管理部；记录客户感兴趣的商品和提议的卖家的连接和购买成功时，管理存储的客户喜好登记，卖方连接部；顾客查询如果提出与服装图片相似的商品，则存储所选商品、连接到网店清单的客户、卖家反应数据存储部；分析顾客偏好的品牌或服装类型，按年龄、性别、地域等顾客群分析商品选择类型；以包含卖家反应数据分析部为特征的使用者和卖家自愿参与，形成良性循环在线平台的方法和系统的方法和装置。
2.项2
收集/存储文字，数字，图像(100)，在服装电子商务平台或相关的SNS上，商品名称，商品相关信息和销售量，客户反馈信息(评论，评论数，... )包括字符，数字提取/存储模块(110)，图像提取/存储模块(120)，用于提取，存储商品的图像信息。
3.项3
上述人工智能图像识别部(200)包括，指导学习标签管理模块(210)，机器学习CNN学习模块(220)，机器学习CNN再学习模块(230)。
4.指导学习标签管理模块(210)为指导学习目标(标签)与服装类目分类系统相匹配的分类标准和管理大中小模块，收集在各种环境和条件下拍摄符合标签的数据照片的图像。
5. 包括机器学习前加工的先处理过程，进行实际机器学习的学习过程的机器学习CNN学习模块(220)，以及机器学习CNN再学习模块(230)，包括重新学习的过程，以通过TEST提高学习结果的准确性。
6.项4
上述字母，数字数据加工部(300)，包括按分类体系的加工模块(310)，按收集单元排序的模块(320)。
7.与服装相关的收集的字母、数字信息为服装分类(大-中-小)体系和数据来源。
8. 需要提前统计，以便按品牌单位快速执行分析。
9. 按分类、来源、单位统计预数据，按照加工线处理的分类体系加工模块(310)，根据客户反应，按规模、商品样式数划分优先级和比重；包括预聚合累积比重的收集单元排序模块(320)
项5
上述分析来源数据存储/管理部(400)包括:文字、字母、数字连接模块(410)、分析项管理模块(420)、用户权限模块(430)。
10. 图像，字母，数字连接模块(410)，通过字母和数字处理部添加的数据，并将按图像分类编码的数据合并成连接器(PRIMARY KEY)；用户需要把分析压缩竞争者，或者只集中商品的项目单位。
11.分析条目管理模块(420)，允许用户对所需的品牌或商品单元进行单独分析。
12. 通过数据提供的服务包括用户权限模块(430)，用于管理用户特定服务使用项目的权限，以便客户选择客户所需的服务。
13.项6
包括上述客户感兴趣商品登记、商品推荐、购买连接部(500)、商品登记模块(510)、商品选择模块(520)、推荐商品查询、连接模块(530)。
14. 顾客直接拍摄商品或者上传存储的商品，直接注册自己想要商品的商品注册模块(510)，通过平台购买生活场景TPO，同龄群体偏好商品，包括提供热点趋势的图片，选择注册购买商品的商品选择模块(520)，根据注册的商品进行相似度识别，为客户提供的购物推荐清单的推荐商品查询，连接模块(530)。
15.项7
上述卖方商品登记/管理部(600)包括:照片管理、确定模块(610)、照片登记历史储存模块(620)、采购连接管理模块(630)。
16.以销售为目的，在注册商品时，根据服装类别(大-中-小)自动分类，卖家确认后最终确定结果。
17. 照片注册记录存储模块(620)，用于管理照片管理、确定模块(610)、管理已登记服装商品的照片和注册信息的历史，并直接将其更改为最适合的服装类别(620)；包括采购连接管理模块(630)，用于管理提供给客户的商品和已购买的商品。
18.项8
上述客户兴趣登记，卖方连接部(700)包括，客户兴趣登记管理履历(710)，卖方登记管理履历(720)，客户-卖方购买成功履历(730)。
19. 顾客兴趣登记管理履历(710)，存储并管理客户所需的商品历史；保存并管理卖方和卖方产品，如客户想要的商品(720)；包括客户-卖家购买成功历史(730)，从提供给顾客的购物清单中选择，管理购买成功的购买历史。
20.项9
包括上述客户，卖方反应数据存储部(800)，客户查询管理模块(810)，卖方登记管理模块(820)，卖方连接记录管理模块(830)，包括年龄，管理连接历史的客户查询管理模块(810)，管理为了销售目的参与商品登记卖家的卖家登记管理模块(820)，包括销售者连接记录管理模块(830)，管理顾客的类似图片查询后连接到网店的历史。
21.项10
上述客户，卖方反馈数据分析部（900）按客户特征划分的分析模块（910）、卖方分析模块（920）、客户（客户）包括卖方交叉分析模块（930）。
22.客户特征（性别、年龄）分析选择类型的客户特征分析模块（910）、按卖方登记的商品类型、卖方分析模块（920），以分析连线程度，按客户和卖方分析响应程度的客户和包括卖方交叉分析模块（930）。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010829795.2A CN111951080A (zh) | 2020-09-22 | 2020-09-22 | 人工智能融入平台的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010829795.2A CN111951080A (zh) | 2020-09-22 | 2020-09-22 | 人工智能融入平台的方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111951080A true CN111951080A (zh) | 2020-11-17 |
Family
ID=73342801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010829795.2A Pending CN111951080A (zh) | 2020-09-22 | 2020-09-22 | 人工智能融入平台的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111951080A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113421106A (zh) * | 2020-11-30 | 2021-09-21 | 阿里巴巴集团控股有限公司 | 商品数据的处理方法、装置及电子设备 |
| CN114820142A (zh) * | 2022-06-29 | 2022-07-29 | 国能(北京)商务网络有限公司 | 面向b端采购用户的商品信息推荐方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101206749A (zh) * | 2006-12-19 | 2008-06-25 | 株式会社G&G贸易公司 | 使用多路图像检索模块推荐产品的方法和系统 |
| CN102667777A (zh) * | 2009-12-24 | 2012-09-12 | 株式会社尼康 | 检索辅助系统、检索辅助方法以及检索辅助程序 |
| CN104778594A (zh) * | 2015-04-30 | 2015-07-15 | 刘寅华 | 一种新型的智能化网络购衣平台系统及方法 |
| CN107437099A (zh) * | 2017-08-03 | 2017-12-05 | 哈尔滨工业大学 | 一种基于机器学习的特定服饰图像识别与检测方法 |
| CN108109055A (zh) * | 2018-01-08 | 2018-06-01 | 中国石油大学(华东) | 一种基于图像渲染的跨场景服装检索方法 |
| CN112767063A (zh) * | 2020-09-07 | 2021-05-07 | 肆嘉(上海)商务咨询有限公司 | 用户与卖家实现良性循环网络平台方法和系统 |
-
2020
- 2020-09-22 CN CN202010829795.2A patent/CN111951080A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101206749A (zh) * | 2006-12-19 | 2008-06-25 | 株式会社G&G贸易公司 | 使用多路图像检索模块推荐产品的方法和系统 |
| CN102667777A (zh) * | 2009-12-24 | 2012-09-12 | 株式会社尼康 | 检索辅助系统、检索辅助方法以及检索辅助程序 |
| CN104850616A (zh) * | 2009-12-24 | 2015-08-19 | 株式会社尼康 | 检索辅助系统、检索辅助方法以及检索辅助程序 |
| CN104778594A (zh) * | 2015-04-30 | 2015-07-15 | 刘寅华 | 一种新型的智能化网络购衣平台系统及方法 |
| CN107437099A (zh) * | 2017-08-03 | 2017-12-05 | 哈尔滨工业大学 | 一种基于机器学习的特定服饰图像识别与检测方法 |
| CN108109055A (zh) * | 2018-01-08 | 2018-06-01 | 中国石油大学(华东) | 一种基于图像渲染的跨场景服装检索方法 |
| CN112767063A (zh) * | 2020-09-07 | 2021-05-07 | 肆嘉(上海)商务咨询有限公司 | 用户与卖家实现良性循环网络平台方法和系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113421106A (zh) * | 2020-11-30 | 2021-09-21 | 阿里巴巴集团控股有限公司 | 商品数据的处理方法、装置及电子设备 |
| CN114820142A (zh) * | 2022-06-29 | 2022-07-29 | 国能(北京)商务网络有限公司 | 面向b端采购用户的商品信息推荐方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10846775B1 (en) | Identifying item recommendations through recognized navigational patterns | |
| CN107424043B (zh) | 一种产品推荐方法及装置，电子设备 | |
| TWI462043B (zh) | A system, method, program, and computer-readable recording medium that does not exist in an image | |
| US10467507B1 (en) | Image quality scoring | |
| CN106708821A (zh) | 基于用户个性化购物行为进行商品推荐的方法 | |
| US20230214895A1 (en) | Methods and systems for product discovery in user generated content | |
| CN112767063A (zh) | 用户与卖家实现良性循环网络平台方法和系统 | |
| KR102142126B1 (ko) | 계층적 카테고리 군집 기반 장바구니 상품 추천 방법 | |
| CN112435067A (zh) | 跨电商平台与社交平台的智能广告投放方法及系统 | |
| CN109447729A (zh) | 一种产品的推荐方法、终端设备及计算机可读存储介质 | |
| CA2869053C (en) | Method and system for creating step by step projects | |
| CN113077317A (zh) | 基于用户数据的物品推荐方法、装置、设备及存储介质 | |
| WO2020090054A1 (ja) | 情報処理システム、情報処理装置、サーバ装置、プログラム、又は方法 | |
| CN111951080A (zh) | 人工智能融入平台的方法和系统 | |
| Gharaei et al. | Content-based clothing recommender system using deep neural network | |
| KR20220014543A (ko) | 이용자와 판매자의 자발적 참여로 선순환 연결되는 온라인 플랫폼의 방법과 시스템 | |
| KR101657588B1 (ko) | 웹을 이용한 상품 이미지 기반 상품 거래 정보 제공 시스템 및 방법 | |
| KR20220121003A (ko) | 상품 추천 서비스 제공 프로그램 | |
| CN108416611B (zh) | 一种超市路径推荐系统及其方法 | |
| KR20220015860A (ko) | 인공 지능 코디네이터 플랫폼의 방법과 시스템 | |
| KR20220120986A (ko) | 팬 커뮤니티를 연계한 굿즈 추천 템플릿 제공 프로그램을 기록한 기록매체 | |
| KR20220120998A (ko) | Ai 학습을 통한 팬덤 선호도에 따른 굿즈 노출 순위가 결정된 굿즈 추천 제공 장치의 동작 방법 | |
| KR20220121013A (ko) | Ai 학습을 통한 팬덤 선호도에 따른 굿즈 노출 순위가 결정된 굿즈 추천 서비스 제공 프로그램 | |
| KR101657589B1 (ko) | 모바일 애플리케이션을 이용한 상품 이미지 기반 상품 거래 정보 제공 시스템 및 방법 | |
| Ngai et al. | Intelligent Decision Support Prototype System for Fashion Analytics in the Digital Era: An Integrating Visual and Text Approach |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201117 |