CN113806635B - 一种基于S2b2C模式的个性化服装定制平台系统 - Google Patents
一种基于S2b2C模式的个性化服装定制平台系统 Download PDFInfo
- Publication number
- CN113806635B CN113806635B CN202111107252.0A CN202111107252A CN113806635B CN 113806635 B CN113806635 B CN 113806635B CN 202111107252 A CN202111107252 A CN 202111107252A CN 113806635 B CN113806635 B CN 113806635B
- Authority
- CN
- China
- Prior art keywords
- demand
- description
- distribution
- demand description
- heat
- 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.)
- Active
Links
- 238000009826 distribution Methods 0.000 claims abstract description 236
- 238000011156 evaluation Methods 0.000 claims abstract description 52
- 238000013139 quantization Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims description 39
- 238000011002 quantification Methods 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 33
- 238000004140 cleaning Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 238000005065 mining Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000001629 suppression Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 10
- 238000009412 basement excavation Methods 0.000 abstract 1
- 238000013461 design Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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]
- G06Q30/0621—Item configuration or customization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及基于S2b2C模式的个性化服装定制平台系统,通过挖掘个性化服装定制报告的多热度需求描述分布,并确定多热度需求描述分布中关联热度需求描述分布的绑定式需求描述事项,并根据绑定式需求描述事项的需求量化值确定绑定式需求描述事项之间的共性评价需求描述,以根据该共性评价需求描述进行区别性信息的传输,可以兼顾个性化服装定制报告中冗余信息的占比。在兼顾个性化服装定制报告中冗余信息的占比之后,就可以简化个性化服装定制报告的信息量,从而提高偏好定位质量,同时还可以提高需求确定效率。
Description
技术领域
本申请实施例涉及服装定制技术领域,具体涉及一种基于S2b2C模式的个性化服装定制平台系统。
背景技术
S2B2C是一种集合供货商赋能于渠道商并共同服务于顾客的全新电子商务营销模式。S2B2C中,S可以理解为大供货商,B可以理解为渠道商,C可以理解为顾客。现目前,该全新电子商务营销模式的应用场景较为丰富,已经逐渐应用与服装定制业务。然而在实际应用过程中发明人发现,在采用人工智能技术对相关服装定制报告进行特征分析以挖掘用户偏好时,难以保障用户偏好挖掘额质量,并且信息量需求较大。
发明内容
有鉴于此,本申请实施例提供了一种基于S2b2C模式的个性化服装定制平台系统。
本申请实施例提供了一种基于S2b2C模式的个性化服装定制平台系统,包括处理器、网络模块和存储器;所述处理器和所述存储器通过所述网络模块通信,所述处理器从所述存储器中读取计算机程序并运行,以执行如下方法:获取待进行分析的个性化服装定制报告,并挖掘所述待进行分析的个性化服装定制报告的多热度需求描述分布;确定所述多热度需求描述分布中不低于一组关联热度需求描述分布之间绑定式需求描述事项的需求量化值,得到不低于一组需求量化值;通过所述不低于一组需求量化值确定所述多热度需求描述分布中每个热度需求描述分布的共性评价需求描述;所述共性评价需求描述旨在表达所述绑定式需求描述事项之间的共性评价;按照所述每个热度需求描述分布的共性评价需求描述对所述待进行分析的个性化服装定制报告进行偏好定位处理,得到偏好定位结果。
本申请实施例还提供了一种基于S2b2C模式的个性化服装定制方法,包括:获取待进行分析的个性化服装定制报告,并挖掘所述待进行分析的个性化服装定制报告的多热度需求描述分布;确定所述多热度需求描述分布中不低于一组关联热度需求描述分布之间绑定式需求描述事项的需求量化值,得到不低于一组需求量化值;通过所述不低于一组需求量化值确定所述多热度需求描述分布中每个热度需求描述分布的共性评价需求描述;所述共性评价需求描述旨在表达所述绑定式需求描述事项之间的共性评价;按照所述每个热度需求描述分布的共性评价需求描述对所述待进行分析的个性化服装定制报告进行偏好定位处理,得到偏好定位结果。
在本申请实施例中,通过挖掘个性化服装定制报告的多热度需求描述分布,并确定多热度需求描述分布中关联热度需求描述分布的绑定式需求描述事项,并根据绑定式需求描述事项的需求量化值确定绑定式需求描述事项之间的共性评价需求描述,以根据该共性评价需求描述进行区别性信息的传输,可以兼顾个性化服装定制报告中冗余信息的占比。在兼顾个性化服装定制报告中冗余信息的占比之后,就可以简化个性化服装定制报告的信息量,从而提高偏好定位质量,同时还可以提高需求确定效率。针对个性化服装定制报告中的局部偏好定位,现有技术所选用的偏好定位方法会使用较多的关联区别性信息,从而为个性化服装定制报告中的每个需求描述事项产生了相应的干扰。本申请实施例中通过确定绑定式需求描述事项,进而通过绑定式需求描述事项的需求量化值确定共性评价需求描述,以根据该共性评价需求描述进行关联区别性信息传输,可以减少所传输的关联区别性信息的信息量,从而针对个性化服装定制报告中的局部偏好,依然可以达到较好的定位效果。
在一些可能的设计思路下,所述按照所述每个热度需求描述分布的共性评价需求描述对所述待进行分析的个性化服装定制报告进行偏好定位处理,得到偏好定位结果,包括:将所述共性评价需求描述与相对应热度需求描述分布中绑定式需求描述事项的初始需求量化值进行加权,得到各个热度需求描述分布的目标加权需求描述;对各个热度需求描述分布的目标加权需求描述进行需求描述整合,并根据整合之后的需求描述对所述待进行分析的个性化服装定制报告进行偏好定位处理,得到偏好定位结果。
在本申请实施例中,在将共性评价需求描述与每个热度需求描述分布中绑定式需求描述事项的初始需求量化值进行加权,得到目标加权需求描述之后,通过需求描述的加权可以实现将高热度需求描述分布的区别性信息传输至低热度需求描述分布中,从而实现将区别性信息从上到下进行传输。采用上述所描述的区别性信息的传输方式,可以提高区别性信息传输的有效性,从而提高服装定制偏好定位处理的精度。
在一些可能的设计思路下,所述确定所述多热度需求描述分布中不低于一组关联热度需求描述分布之间绑定式需求描述事项,包括:在每组关联热度需求描述分布中确定绑定式需求描述事项,其中,所述绑定式需求描述事项包括:潜在需求描述事项和/或用户的衍生需求描述事项,其中,所述用户标签为所述待进行分析的个性化服装定制报告中所包含的用户标签。
在一些可能的设计思路下,所述关联热度需求描述分布包括:第一热度需求描述分布和第二热度需求描述分布,所述第一热度需求描述分布的特征识别度小于所述第二热度需求描述分布的特征识别度;所述确定所述多热度需求描述分布中不低于一组关联热度需求描述分布之间绑定式需求描述事项的需求量化值,包括:通过所述第一热度需求描述分布和所述第二热度需求描述分布,生成潜在需求描述分布;通过所述潜在需求描述分布确定所述绑定式需求描述事项,并确定所述绑定式需求描述事项的需求量化值。
在本申请实施例中,通过生成潜在需求描述分布来确定绑定式需求描述事项的方式,可以更加精确的从多热度需求描述分布中确定绑定式需求描述事项,从而进一步提高偏好定位处理的精度。
在一些可能的设计思路下,所述通过所述第一热度需求描述分布和所述第二热度需求描述分布,生成潜在需求描述分布,包括:分别对所述第一热度需求描述分布和所述第二热度需求描述分布进行特征优化操作;对完成特征优化操作的第二热度需求描述分布进行过拟合抑制操作;对完成特征优化操作的第一热度需求描述分布和过拟合抑制操作之后的第二热度需求描述分布进行需求描述整合处理,得到整合需求描述;对所述整合需求描述进行滑动平均处理,得到所述潜在需求描述分布。
在本申请实施例中,通过第一热度需求描述分布和第二热度需求描述分布进行特征优化操作,可以减少需求描述分布的复杂度,从而减少运算负荷;通过对完成特征优化操作的低热度需求描述分布进行过拟合抑制操作,可以实现统一高热度需求描述分布和低热度需求描述分布的特征识别度,从而实现将完成特征优化操作的高热度需求描述分布和过拟合抑制操作之后的低热度需求描述分布进行需求描述整合处理。在对整合需求描述进行滑动平均处理的方式,可以准确的得到需求量化值的潜在需求描述分布。
在一些可能的设计思路下,所述绑定式需求描述事项包括:潜在需求描述事项;所述通过所述潜在需求描述分布确定所述绑定式需求描述事项,包括:对所述潜在需求描述分布进行第一特征精简处理,得到所述潜在需求描述事项的第一量化定制约束目录;对所述潜在需求描述分布和所述第一热度需求描述分布进行局部聚焦处理,得到局部聚焦需求描述分布;分别在所述局部聚焦需求描述分布和所述第二热度需求描述分布中确定与所述第一量化定制约束目录所配对的需求描述事项,得到所述潜在需求描述事项。
在本申请实施例中,通过第一特征精简处理可以得到更加准确的第一量化定制约束目录,在根据第一量化定制约束目录确定潜在需求描述事项时,就可以更加准确的在局部聚焦需求描述分布和低热度需求描述分布中对潜在需求描述事项进行识别,从而提高了事项识别可信度。
在一些可能的设计思路下,所述绑定式需求描述事项包括:衍生需求描述事项;所述通过所述潜在需求描述分布确定所述绑定式需求描述事项,包括:通过所述潜在需求描述分布对所述第一热度需求描述分布进行解析,得到所述待进行分析的个性化服装定制报告中所包含用户的衍生解析结果;确定所述衍生解析结果中每个服装偏好关键词的评价指数,并通过所述评价指数确定所述衍生需求描述事项的第二量化定制约束目录;分别在所述第二热度需求描述分布和所述第一热度需求描述分布中确定与所述第二量化定制约束目录所配对的需求描述事项,得到所述衍生需求描述事项。
在本申请实施例中,对于衍生需求描述的确定,并不是简单地使用关联热度需求描述分布进行约束解析,通过解析方法来得到衍生解析结果的方式,针对待进行分析的个性化服装定制报告中的局部偏好来说,可以得到准确的用户的衍生解析结果。。
在一些可能的设计思路下,所述通过所述潜在需求描述分布对所述第一热度需求描述分布进行解析,得到所述待进行分析的个性化服装定制报告中所包含用户的衍生解析结果,包括:通过所述潜在需求描述分布对所述第一热度需求描述分布进行噪声清洗操作,得到噪声清洗操作之后的所述第一热度需求描述分布;确定所述第一热度需求描述分布的需求量化值和噪声清洗操作之后的所述第一热度需求描述分布的需求量化值之间的比较结果,并通过所述比较结果确定所述衍生解析结果,其中,所述比较结果为所述衍生解析结果的需求量化值。
在本申请实施例中,通过对高热度需求描述分布进行噪声清洗操作,并根据高热度需求描述分布的需求量化值和噪声清洗操作之后的高热度需求描述分布的需求量化值之间的比较结果确定衍生解析结果的方式,可以得到提高衍生解析结果的精度,从而得到更加准确的衍生解析结果。
在一些可能的设计思路下,所述通过所述潜在需求描述分布对所述第一热度需求描述分布进行噪声清洗操作,得到噪声清洗操作之后的所述第一热度需求描述分布,包括:对所述潜在需求描述分布进行第二特征精简处理,得到第二特征精简处理结果;利用所述第二特征精简处理结果对所述第一热度需求描述分布进行噪声清洗操作,得到噪声清洗操作之后的所述第一热度需求描述分布。
在一些可能的设计思路下,所述通过所述不低于一组需求量化值确定所述多热度需求描述分布中每个热度需求描述分布的共性评价需求描述,包括:对所述绑定式需求描述事项的需求量化值进行适配性确定,得到适配性确定结果;确定第一需求量化值和所述适配性确定结果之间的量化计算数据,得到量化计算数据确定结果,其中,所述第一需求量化值为所述绑定式需求描述事项中包含在所述多热度需求描述分布中第一热度需求描述分布中的绑定式需求描述事项的需求量化值;对所述量化计算数据确定结果和第二需求量化值进行全局化处理,得到所述共性评价需求描述,其中,所述第二需求量化值为每组所述绑定式需求描述事项中包含在所述多热度需求描述分布中第二热度需求描述分布中的绑定式需求描述事项的需求量化值,所述第一热度需求描述分布的特征识别度小于所述第二热度需求描述分布的特征识别度。
在本申请实施例中,通过共性评价需求描述来实现对多热度需求描述分布各个热度之间的关联区别性信息进行传输的方式,可以提高区别性信息传输的有效性,从而提高服装定制偏好定位处理的精度。
在一些可能的设计思路下,所述将所述共性评价需求描述与所述每个热度需求描述分布中绑定式需求描述事项的初始需求量化值进行加权,得到所述每热度需求描述分布的目标加权需求描述,包括:获取所述绑定式需求描述事项的视觉特征信息;通过所述视觉特征信息在每个热度需求描述分布中确定目标需求描述事项;获取所述用户标签需求描述事项的初始需求量化值,并将所述共性评价需求描述和所述用户标签需求描述事项的初始需求量化值进行加权,得到所述用户标签加权需求描述。
在本申请实施例中,通过绑定式需求描述事项的视觉特征信息,将共性评价需求描述和所述共性评价需求描述事项的初始需求描述进行加权的方式,可以从低热度需求描述分布中准确的对共性评价需求描述事项进行识别,从而实现高效的需求描述加权。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序在运行时实现上述的方法。
在本申请实施例中,通过挖掘个性化服装定制报告的多热度需求描述分布,并确定多热度需求描述分布中关联热度需求描述分布的绑定式需求描述事项,并根据绑定式需求描述事项的需求量化值确定绑定式需求描述事项之间的共性评价需求描述,以根据该共性评价需求描述进行区别性信息的传输,可以兼顾个性化服装定制报告中冗余信息的占比。在兼顾个性化服装定制报告中冗余信息的占比之后,就可以简化个性化服装定制报告的信息量,从而提高偏好定位质量,同时还可以提高需求确定效率。针对个性化服装定制报告中的局部偏好定位,现有技术所选用的偏好定位方法会使用较多的关联区别性信息,从而为个性化服装定制报告中的每个需求描述事项产生了相应的干扰。本申请实施例中通过确定绑定式需求描述事项,进而通过绑定式需求描述事项的需求量化值确定共性评价需求描述,以根据该共性评价需求描述进行关联区别性信息传输,可以减少所传输的关联区别性信息的信息量,从而针对个性化服装定制报告中的局部偏好,依然可以达到较好的定位效果。
在后面的描述中,将部分地陈述其他的特征。在检查后面内容和附图时,本领域的技术人员将部分地发现这些特征,或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面,当前申请中的特征可以被实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例所提供的一种基于S2b2C模式的个性化服装定制平台系统的方框示意图。
图2为本申请实施例所提供的一种基于S2b2C模式的个性化服装定制方法的流程图。
图3为本申请实施例所提供的一种基于S2b2C模式的个性化服装定制装置的框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本申请的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
图1示出了本申请实施例所提供的一种基于S2b2C模式的个性化服装定制平台系统10的方框示意图。本申请实施例中的基于S2b2C模式的个性化服装定制平台系统10可以为具有数据存储、传输、处理功能的服务端,如图1所示,基于S2b2C模式的个性化服装定制平台系统10包括:存储器11、处理器12、网络模块13和基于S2b2C模式的个性化服装定制装置20。
存储器11、处理器12和网络模块13之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有基于S2b2C模式的个性化服装定制装置20,所述基于S2b2C模式的个性化服装定制装置20包括至少一个可以软件或固件(firmware)的形式储存于所述存储器11中的软件功能模块,所述处理器12通过运行存储在存储器11内的软件程序以及模块,例如本申请实施例中的基于S2b2C模式的个性化服装定制装置20,从而执行各种功能应用以及数据处理,即实现本申请实施例中的基于S2b2C模式的个性化服装定制方法。
其中,所述存储器11可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器11用于存储程序,所述处理器12在接收到执行指令后,执行所述程序。
所述处理器12可能是一种集成电路芯片,具有数据的处理能力。上述的处理器12可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
网络模块13用于通过网络建立基于S2b2C模式的个性化服装定制平台系统10与其他通信终端设备之间的通信连接,实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解,图1所示的结构仅为示意,基于S2b2C模式的个性化服装定制平台系统10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序在运行时实现上述的方法。
图2示出了本申请实施例所提供的一种基于S2b2C模式的个性化服装定制方法的流程图。所述方法有关的流程所定义的方法步骤应用于基于S2b2C模式的个性化服装定制平台系统10,可以由所述处理器12实现,所述方法包括以下步骤所描述的内容。
步骤S100、获取待进行分析的个性化服装定制报告,并挖掘所述待进行分析的个性化服装定制报告的多热度需求描述分布;确定所述多热度需求描述分布中不低于一组关联热度需求描述分布之间绑定式需求描述事项的需求量化值,得到不低于一组需求量化值。
例如,个性化服装定制报告可以是用户上传的个性化服装定制记录,需求描述分布可以理解为定制需求特征图,热度可以理解为用户的关注程度或者受欢迎程度。绑定式需求描述事项可以理解为完成匹配的特征事项,需求量化值可以理解为特征值。
步骤S200、通过所述不低于一组需求量化值确定所述多热度需求描述分布中每个热度需求描述分布的共性评价需求描述;所述共性评价需求描述旨在表达所述绑定式需求描述事项之间的共性评价。
在本申请实施例中,共性评价可以理解为相似度,比如余弦相似度或者欧氏距离等。
步骤S300、按照所述每个热度需求描述分布的共性评价需求描述对所述待进行分析的个性化服装定制报告进行偏好定位处理,得到偏好定位结果。
在本申请实施例中,偏好定位处理可以理解为挖掘出蕴藏在个性化服装定制报告中的各类用户的服装定制偏好信息,从而根据这些服装定制偏好信息对服装生产线的运行参数进行智能化和自动化地调整,以提高服装个性化定制生产的效率。
以一些示例性的角度来看待,步骤S300中的按照所述每个热度需求描述分布的共性评价需求描述对所述待进行分析的个性化服装定制报告进行偏好定位处理,得到偏好定位结果,可以包括以下内容:将所述共性评价需求描述与相对应热度需求描述分布中绑定式需求描述事项的初始需求量化值进行加权,得到各个热度需求描述分布的目标加权需求描述;对各个热度需求描述分布的目标加权需求描述进行需求描述整合,并根据整合之后的需求描述对所述待进行分析的个性化服装定制报告进行偏好定位处理,得到偏好定位结果。
以一些示例性的角度来看待,步骤S100中的确定所述多热度需求描述分布中不低于一组关联热度需求描述分布之间绑定式需求描述事项,可以包括以下内容:在每组关联热度需求描述分布中确定绑定式需求描述事项,其中,所述绑定式需求描述事项包括:潜在需求描述事项和/或用户标签的衍生需求描述事项,其中,所述用户标签为所述待进行分析的个性化服装定制报告中所包含的用户标签。
以一些示例性的角度来看待,所述关联热度需求描述分布包括:第一热度需求描述分布和第二热度需求描述分布,所述第一热度需求描述分布的特征识别度小于所述第二热度需求描述分布的特征识别度。基于此,所述确定所述多热度需求描述分布中不低于一组关联热度需求描述分布之间绑定式需求描述事项的需求量化值,包括:通过所述第一热度需求描述分布和所述第二热度需求描述分布,生成潜在需求描述分布;通过所述潜在需求描述分布确定所述绑定式需求描述事项,并确定所述绑定式需求描述事项的需求量化值。
以一些示例性的角度来看待,所述通过所述第一热度需求描述分布和所述第二热度需求描述分布,生成潜在需求描述分布,包括:分别对所述第一热度需求描述分布和所述第二热度需求描述分布进行特征优化操作;对完成特征优化操作的第二热度需求描述分布进行过拟合抑制操作;对完成特征优化操作的第一热度需求描述分布和过拟合抑制操作之后的第二热度需求描述分布进行需求描述整合处理,得到整合需求描述;对所述整合需求描述进行滑动平均处理,得到所述潜在需求描述分布。
以一些示例性的角度来看待,所述绑定式需求描述事项包括:潜在需求描述事项。基于此,所述通过所述潜在需求描述分布确定所述绑定式需求描述事项,包括:对所述潜在需求描述分布进行第一特征精简处理,得到所述潜在需求描述事项的第一量化定制约束目录;对所述潜在需求描述分布和所述第一热度需求描述分布进行局部聚焦处理,得到局部聚焦需求描述分布;分别在所述局部聚焦需求描述分布和所述第二热度需求描述分布中确定与所述第一量化定制约束目录所配对的需求描述事项,得到所述潜在需求描述事项。
以一些示例性的角度来看待,所述绑定式需求描述事项包括:衍生需求描述事项。基于此,所述通过所述潜在需求描述分布确定所述绑定式需求描述事项,可以包括以下内容:通过所述潜在需求描述分布对所述第一热度需求描述分布进行解析,得到所述待进行分析的个性化服装定制报告中所包含用户的衍生解析结果;确定所述衍生解析结果中每个服装偏好关键词的评价指数,并通过所述评价指数确定所述衍生需求描述事项的第二量化定制约束目录;分别在所述第二热度需求描述分布和所述第一热度需求描述分布中确定与所述第二量化定制约束目录所配对的需求描述事项,得到所述衍生需求描述事项。
以一些示例性的角度来看待,所述通过所述潜在需求描述分布对所述第一热度需求描述分布进行解析,得到所述待进行分析的个性化服装定制报告中所包含用户的衍生解析结果,包括:通过所述潜在需求描述分布对所述第一热度需求描述分布进行噪声清洗操作,得到噪声清洗操作之后的所述第一热度需求描述分布;确定所述第一热度需求描述分布的需求量化值和噪声清洗操作之后的所述第一热度需求描述分布的需求量化值之间的比较结果,并通过所述比较结果确定所述衍生解析结果,其中,所述比较结果为所述衍生解析结果的需求量化值。
以一些示例性的角度来看待,所述通过所述潜在需求描述分布对所述第一热度需求描述分布进行噪声清洗操作,得到噪声清洗操作之后的所述第一热度需求描述分布,包括:对所述潜在需求描述分布进行第二特征精简处理,得到第二特征精简处理结果;利用所述第二特征精简处理结果对所述第一热度需求描述分布进行噪声清洗操作,得到噪声清洗操作之后的所述第一热度需求描述分布。
以一些示例性的角度来看待,所述关联热度需求描述分布包括:第一热度需求描述分布和第二热度需求描述分布,所述第一热度需求描述分布的特征识别度小于所述第二热度需求描述分布的特征识别度;所述通过所述不低于一组需求量化值确定所述多热度需求描述分布中每个热度需求描述分布的共性评价需求描述,包括:对所述绑定式需求描述事项的需求量化值进行适配性确定,得到适配性确定结果;确定第一需求量化值和所述适配性确定结果之间的量化计算数据,得到量化计算数据确定结果,其中,所述第一需求量化值为所述绑定式需求描述事项中包含在所述第一热度需求描述分布中的绑定式需求描述事项的需求量化值;对所述量化计算数据确定结果和第二需求量化值进行全局化处理,得到所述共性评价需求描述,其中,所述第二需求量化值为每组所述绑定式需求描述事项中包含在所述第二热度需求描述分布中的绑定式需求描述事项的需求量化值。
以一些示例性的角度来看待,所述将所述共性评价需求描述与相对应热度需求描述分布中绑定式需求描述事项的初始需求量化值进行加权,得到各个热度需求描述分布的目标加权需求描述,包括:获取所述绑定式需求描述事项的视觉特征信息;通过所述视觉特征信息在相对应热度需求描述分布中确定目标需求描述事项;获取用户标签需求描述事项的初始需求量化值,并将所述共性评价需求描述和所述用户标签需求描述事项的初始需求量化值进行加权,得到各个热度需求描述分布的目标加权需求描述。
基于上述同样的发明构思,如图3所示,还提供了一种基于S2b2C模式的个性化服装定制装置20,应用于基于S2b2C模式的个性化服装定制平台系统10,所述装置包括:
挖掘模块21,用于获取待进行分析的个性化服装定制报告,并挖掘所述待进行分析的个性化服装定制报告的多热度需求描述分布;确定所述多热度需求描述分布中不低于一组关联热度需求描述分布之间绑定式需求描述事项的需求量化值,得到不低于一组需求量化值;
确定模块22,用于通过所述不低于一组需求量化值确定所述多热度需求描述分布中每个热度需求描述分布的共性评价需求描述;所述共性评价需求描述旨在表达所述绑定式需求描述事项之间的共性评价;
定位模块23,用于按照所述每个热度需求描述分布的共性评价需求描述对所述待进行分析的个性化服装定制报告进行偏好定位处理,得到偏好定位结果。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,基于S2b2C模式的个性化服装定制平台系统10,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种基于S2b2C模式的个性化服装定制平台系统,其特征在于,包括处理器、网络模块和存储器;所述处理器和所述存储器通过所述网络模块通信,所述处理器从所述存储器中读取计算机程序并运行,以执行如下方法:
获取待进行分析的个性化服装定制报告,并挖掘所述待进行分析的个性化服装定制报告的多热度需求描述分布;确定所述多热度需求描述分布中不低于一组关联热度需求描述分布之间绑定式需求描述事项的需求量化值,得到不低于一组需求量化值;
通过所述不低于一组需求量化值确定所述多热度需求描述分布中每个热度需求描述分布的共性评价需求描述;所述共性评价需求描述旨在表达所述绑定式需求描述事项之间的共性评价;
按照所述每个热度需求描述分布的共性评价需求描述对所述待进行分析的个性化服装定制报告进行偏好定位处理,得到偏好定位结果;
其中,绑定式需求描述事项为完成匹配的特征事项;所述关联热度需求描述分布包括:第一热度需求描述分布和第二热度需求描述分布,所述第一热度需求描述分布的特征识别度小于所述第二热度需求描述分布的特征识别度;
所述确定所述多热度需求描述分布中不低于一组关联热度需求描述分布之间绑定式需求描述事项的需求量化值,包括:通过所述第一热度需求描述分布和所述第二热度需求描述分布,生成潜在需求描述分布;通过所述潜在需求描述分布确定所述绑定式需求描述事项,并确定所述绑定式需求描述事项的需求量化值。
2.根据权利要求1所述的基于S2b2C模式的个性化服装定制平台系统,其特征在于,所述按照所述每个热度需求描述分布的共性评价需求描述对所述待进行分析的个性化服装定制报告进行偏好定位处理,得到偏好定位结果,包括:
将所述共性评价需求描述与相对应热度需求描述分布中绑定式需求描述事项的初始需求量化值进行加权,得到各个热度需求描述分布的目标加权需求描述;
对各个热度需求描述分布的目标加权需求描述进行需求描述整合,并根据整合之后的需求描述对所述待进行分析的个性化服装定制报告进行偏好定位处理,得到偏好定位结果。
3.根据权利要求1所述的基于S2b2C模式的个性化服装定制平台系统,其特征在于,所述确定所述多热度需求描述分布中不低于一组关联热度需求描述分布之间绑定式需求描述事项,包括:
在每组关联热度需求描述分布中确定绑定式需求描述事项,其中,所述绑定式需求描述事项包括:潜在需求描述事项和/或用户标签的衍生需求描述事项,其中,所述用户标签为所述待进行分析的个性化服装定制报告中所包含的用户标签。
4.根据权利要求1所述的基于S2b2C模式的个性化服装定制平台系统,其特征在于,所述通过所述第一热度需求描述分布和所述第二热度需求描述分布,生成潜在需求描述分布,包括:
分别对所述第一热度需求描述分布和所述第二热度需求描述分布进行特征优化操作;
对完成特征优化操作的第二热度需求描述分布进行过拟合抑制操作;对完成特征优化操作的第一热度需求描述分布和过拟合抑制操作之后的第二热度需求描述分布进行需求描述整合处理,得到整合需求描述;
对所述整合需求描述进行滑动平均处理,得到所述潜在需求描述分布。
5.根据权利要求4所述的基于S2b2C模式的个性化服装定制平台系统,其特征在于,所述绑定式需求描述事项包括:潜在需求描述事项;
所述通过所述潜在需求描述分布确定所述绑定式需求描述事项,包括:
对所述潜在需求描述分布进行第一特征精简处理,得到所述潜在需求描述事项的第一量化定制约束目录;
对所述潜在需求描述分布和所述第一热度需求描述分布进行局部聚焦处理,得到局部聚焦需求描述分布;
分别在所述局部聚焦需求描述分布和所述第二热度需求描述分布中确定与所述第一量化定制约束目录所配对的需求描述事项,得到所述潜在需求描述事项。
6.根据权利要求4所述的基于S2b2C模式的个性化服装定制平台系统,其特征在于,所述绑定式需求描述事项包括:衍生需求描述事项;
所述通过所述潜在需求描述分布确定所述绑定式需求描述事项,包括:
通过所述潜在需求描述分布对所述第一热度需求描述分布进行解析,得到所述待进行分析的个性化服装定制报告中所包含用户的衍生解析结果;
确定所述衍生解析结果中每个服装偏好关键词的评价指数,并通过所述评价指数确定所述衍生需求描述事项的第二量化定制约束目录;
分别在所述第二热度需求描述分布和所述第一热度需求描述分布中确定与所述第二量化定制约束目录所配对的需求描述事项,得到所述衍生需求描述事项。
7.根据权利要求6所述的基于S2b2C模式的个性化服装定制平台系统,其特征在于,所述通过所述潜在需求描述分布对所述第一热度需求描述分布进行解析,得到所述待进行分析的个性化服装定制报告中所包含用户的衍生解析结果,包括:
通过所述潜在需求描述分布对所述第一热度需求描述分布进行噪声清洗操作,得到噪声清洗操作之后的所述第一热度需求描述分布;
确定所述第一热度需求描述分布的需求量化值和噪声清洗操作之后的所述第一热度需求描述分布的需求量化值之间的比较结果,并通过所述比较结果确定所述衍生解析结果,其中,所述比较结果为所述衍生解析结果的需求量化值;
其中,所述通过所述潜在需求描述分布对所述第一热度需求描述分布进行噪声清洗操作,得到噪声清洗操作之后的所述第一热度需求描述分布,包括:
对所述潜在需求描述分布进行第二特征精简处理,得到第二特征精简处理结果;
利用所述第二特征精简处理结果对所述第一热度需求描述分布进行噪声清洗操作,得到噪声清洗操作之后的所述第一热度需求描述分布。
8.根据权利要求1所述的基于S2b2C模式的个性化服装定制平台系统,其特征在于,所述关联热度需求描述分布包括:第一热度需求描述分布和第二热度需求描述分布,所述第一热度需求描述分布的特征识别度小于所述第二热度需求描述分布的特征识别度;
所述通过所述不低于一组需求量化值确定所述多热度需求描述分布中每个热度需求描述分布的共性评价需求描述,包括:
对所述绑定式需求描述事项的需求量化值进行适配性确定,得到适配性确定结果;
确定第一需求量化值和所述适配性确定结果之间的量化计算数据,得到量化计算数据确定结果,其中,所述第一需求量化值为所述绑定式需求描述事项中包含在所述第一热度需求描述分布中的绑定式需求描述事项的需求量化值;
对所述量化计算数据确定结果和第二需求量化值进行全局化处理,得到所述共性评价需求描述,其中,所述第二需求量化值为每组所述绑定式需求描述事项中包含在所述第二热度需求描述分布中的绑定式需求描述事项的需求量化值。
9.根据权利要求2所述的基于S2b2C模式的个性化服装定制平台系统,其特征在于,所述将所述共性评价需求描述与相对应热度需求描述分布中绑定式需求描述事项的初始需求量化值进行加权,得到各个热度需求描述分布的目标加权需求描述,包括:
获取所述绑定式需求描述事项的视觉特征信息;
通过所述视觉特征信息在相对应热度需求描述分布中确定目标需求描述事项;
获取用户标签需求描述事项的初始需求量化值,并将所述共性评价需求描述和所述用户标签需求描述事项的初始需求量化值进行加权,得到各个热度需求描述分布的目标加权需求描述。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111107252.0A CN113806635B (zh) | 2021-09-22 | 2021-09-22 | 一种基于S2b2C模式的个性化服装定制平台系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111107252.0A CN113806635B (zh) | 2021-09-22 | 2021-09-22 | 一种基于S2b2C模式的个性化服装定制平台系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113806635A CN113806635A (zh) | 2021-12-17 |
CN113806635B true CN113806635B (zh) | 2024-02-09 |
Family
ID=78939892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111107252.0A Active CN113806635B (zh) | 2021-09-22 | 2021-09-22 | 一种基于S2b2C模式的个性化服装定制平台系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113806635B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101140513A (zh) * | 2006-09-08 | 2008-03-12 | 中国科学院软件研究所 | 软件需求获取系统 |
CN106534302A (zh) * | 2016-11-10 | 2017-03-22 | 北京航空航天大学 | 多任务需求服务组合方法和系统 |
CN110298065A (zh) * | 2019-05-14 | 2019-10-01 | 洪岩 | 基于深度学习的服装款式个性化设计方法 |
CN111311373A (zh) * | 2020-03-11 | 2020-06-19 | 青岛理工大学 | 基于消费者社交网络的服装个性化定制方法和装置 |
CN112672366A (zh) * | 2020-12-10 | 2021-04-16 | 重庆邮电大学 | 异构无线网络中基于个性化消费偏好的垂直切换系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130159101A1 (en) * | 2011-11-17 | 2013-06-20 | Robert Davidson | Methods for and apparatus for automated sales referrals local to a purchaser |
-
2021
- 2021-09-22 CN CN202111107252.0A patent/CN113806635B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101140513A (zh) * | 2006-09-08 | 2008-03-12 | 中国科学院软件研究所 | 软件需求获取系统 |
CN106534302A (zh) * | 2016-11-10 | 2017-03-22 | 北京航空航天大学 | 多任务需求服务组合方法和系统 |
CN110298065A (zh) * | 2019-05-14 | 2019-10-01 | 洪岩 | 基于深度学习的服装款式个性化设计方法 |
CN111311373A (zh) * | 2020-03-11 | 2020-06-19 | 青岛理工大学 | 基于消费者社交网络的服装个性化定制方法和装置 |
CN112672366A (zh) * | 2020-12-10 | 2021-04-16 | 重庆邮电大学 | 异构无线网络中基于个性化消费偏好的垂直切换系统 |
Non-Patent Citations (2)
Title |
---|
C2M环境下客户订单优化决策研究;姜维维;《中国优秀硕士学位论文全文数据库经济与管理科学辑》(第7期);J152-1145 * |
Fast Rule-Based Prediction of Data Streams Using Associative Classification Mining;K. Prasanna Lakshmi 等;《2015 5th International Conference on IT Convergence and Security (ICITCS)》;1-5 * |
Also Published As
Publication number | Publication date |
---|---|
CN113806635A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110659318B (zh) | 基于大数据的策略推送方法、系统及计算机设备 | |
KR102222159B1 (ko) | 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법 | |
CN111125376B (zh) | 知识图谱生成方法、装置、数据处理设备及存储介质 | |
CN109284369B (zh) | 证券新闻资讯重要性的判定方法、系统、装置及介质 | |
CN106202088A (zh) | 一种匹配业务场景的方法和系统 | |
CN112102031A (zh) | 一种推荐方法、推荐装置及终端设备 | |
CN112288554B (zh) | 商品推荐方法和装置、存储介质及电子装置 | |
CN113313478A (zh) | 应用于在线支付的大数据安全处理方法及服务器 | |
CN110619545A (zh) | 基于大数据的车险数据推送方法、系统、设备及存储介质 | |
CN114493782A (zh) | 基于用户画像的个性化商品推荐方法及系统 | |
CN116402539A (zh) | 基于大数据的拓客方法、系统、设备及存储介质 | |
CN111476633A (zh) | 产品服务推荐平台、产品服务的路径推荐方法及介质 | |
CN113806635B (zh) | 一种基于S2b2C模式的个性化服装定制平台系统 | |
CN112435068A (zh) | 一种恶意订单识别方法、装置、电子设备及存储介质 | |
KR20220070644A (ko) | 기계 학습 기반 업체 추천 시스템 | |
CN111639700A (zh) | 目标相似度识别方法、装置、计算机设备及可读存储介质 | |
CN108510302A (zh) | 一种营销决策方法及交易服务器 | |
CN115797020B (zh) | 基于图数据库的数据处理的零售推荐方法、系统和介质 | |
CN106919609B (zh) | 产品信息推送方法和装置 | |
CN111275071A (zh) | 预测模型训练、预测方法、装置及电子设备 | |
CN113240498B (zh) | 结合数字经济和新零售的业务处理方法及大数据服务器 | |
CN115049456A (zh) | 金融产品组合的推荐方法及其装置、电子设备 | |
CN109885710B (zh) | 基于差分演化算法的用户画像刻画方法及服务器 | |
KR20220080563A (ko) | 혼합형 협업필터링을 이용한 콘텐츠 추천방법 및 시스템 | |
CN112508656A (zh) | 一种获客信息处理方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |