CN116308467B - 一种基于人工智能的智慧交易平台信息监管系统及方法 - Google Patents
一种基于人工智能的智慧交易平台信息监管系统及方法 Download PDFInfo
- Publication number
- CN116308467B CN116308467B CN202310553934.7A CN202310553934A CN116308467B CN 116308467 B CN116308467 B CN 116308467B CN 202310553934 A CN202310553934 A CN 202310553934A CN 116308467 B CN116308467 B CN 116308467B
- Authority
- CN
- China
- Prior art keywords
- user
- information
- transaction
- shop
- product
- 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
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及交易信息监管技术领域,具体为一种基于人工智能的智慧交易平台信息监管系统及方法,所述系统包括商铺用户监管模块,所述商铺用户监管模块中产品所属商铺接收同一时间对应的各个用户信息评估值,得到每个用户信息评估值对应的沟通优先级,并按沟通优先级对未沟通的用户进行管理,并反馈给产品所属商铺的管理员。本发明在商铺浏览用户基数大且用户对商铺的选择空间较大的情况下,对用户的商品购买特征进行准确分析,分析用户浏览产品与用户购买习惯的匹配程度(评估值),在一定程度为商铺管理者筛选了商铺的优质用户,改变商铺管理员传统意义上被动等待沟通的状态,降低了商铺的优质用户的流失,实现了对交易平台信息的有效监管。
Description
技术领域
本发明涉及交易信息监管技术领域,具体为一种基于人工智能的智慧交易平台信息监管系统及方法。
背景技术
随着电子商务的快速发展及移动终端的普及,利用移动设备上网购物已经成为当代人们的一种生活方式;电商购物能够使得人们足不出户就能获取想要的物品,在一定程度上提高了人们的生活信服指数。同时,电商相交于实体商铺,用户虽然不能切身感受到产品的质量及触感,但是,电商的用户评价及商铺信息在一定程度上也能作为用户评估产品信息的数据参照,同时,商铺针对的用户范围更广,相交而言,电商针对实体商铺具有进步意义。
实体商铺中,用户在观察产品时,商铺管理者可以直接咨询用户对产品的需求及满意程度,或作为被咨询对象,解答产品的信息参数;而现有电商存在缺陷,由于浏览用户的基数大且用户对商铺的选择空间较大(通过移动设备用户可以选择浏览的电子商铺,并随时可以进行切换,停留时间短),且现有电商交易平台无法对用户的商品购买特征进行准确分析,进而电商中商铺管理者经常作为被咨询对象,无法精准且有效地主动与优质用户进行沟通,被动等待沟通的状态往往使得商铺的一些优质用户流失,对商铺造成损失。
发明内容
本发明的目的在于提供一种基于人工智能的智慧交易平台信息监管系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于人工智能的智慧交易平台信息监管方法,所述方法包括以下步骤:
S1、获取交易平台中用户的各项交易数据,分析同一用户的历史交易数据对应的购买行为特征;
S2、获取同一用户的不同交易数据分别对应商铺的特征标签信息集,得到用户购买对象标签需求函数;生成交易平台中用户的交易特征画像;
S3、获取当前时间用户在交易平台浏览的产品所属商铺对应的特征标签信息集及用户针对当前浏览产品对应的操作行为信息,结合交易平台中用户的交易特征画像,得到用户当前浏览产品对应的用户信息评估值,并传送给相应产品所属商铺;
S4、产品所属商铺接收同一时间对应的各个用户信息评估值,得到每个用户信息评估值对应的沟通优先级,并按沟通优先级对未沟通的用户进行管理,并反馈给产品所属商铺的管理员。
进一步的,所述S1中分析同一用户的历史交易数据对应的购买行为特征前,需要相应用户的授权许可,在用户未授权的情况,不对用户的交易数据进行采集及分析;
所述S1中分析同一用户的历史交易数据对应的购买行为特征的方法包括以下步骤:
S11、获取用户的历史交易数据,将第n次交易对应的用户行为信息记为An,An={An1,An2,...,Anan-1,Anan},所述An1,An2,...,Anan-1,Anan分别表示用户第n次交易前对应的第1个、第2个、...、第an-1个及第an个与用户第n次交易产品相关的用户操作行为;
S12、获取用户历史交易数据中所有交易分别对应用户行为信息的并集,记为AN,并对AN进行关键操作行为提取,得到用户购买行为对应的关键操作行为集,记为C;
关键操作行为提取过程中,分别计算AN中每个元素对应的频率占比,将AN中第i个元素对应的频率占比记为Bi,Bi=Q(ANi)/n1,并将AN中对应频率占比大于第一预设值的各个元素作为用户购买行为的一个关键操作行为,其中,n1表示用户历史交易数据中交易的总次数,Q(ANi)表示AN中的第i个元素对应的操作行为ANi,在用户历史交易数据中所有交易分别对应用户行为信息中出现的总次数;
S13、结合用户历史交易数据中所有交易分别对应用户行为信息中,不同操作行为在相应用户行为信息中出现的顺序,对C中元素进行优先级排序,得到用户历史交易数据对应的购买行为特征,记为CT;
本发明分析同一用户的历史交易数据对应的购买行为特征,是在相应用户的授权许可能够对用户数据进行采集的情况下进行的;得到用户历史交易数据对应的购买行为特征时,考虑到用户操作行为的优先级,因为不同的用户由于购买习惯不同,同样的用户操作行为,可能对应的用户操作行为执行的先后顺序存在较大的差异。
对C中任意两个元素进行优先级排序的方法包括以下步骤:
S131、统计用户历史交易数据内同时包含C中相应的两个元素的所有用户行为信息中,Cr1出现的位置在Cr2位置之前的用户行为信息个数d1,及Cr2出现的位置在Cr1位置之前的用户行为信息个数d2,Cr1表示C中相应的两个元素中的前一个元素,Cr2表示C中相应的两个元素中的后一个元素;
S132、比较d1与d2,并确定用户历史交易数据对应的购买行为特征中Cr1与Cr2之间的优先级关系,
当d1>d2时,则判定得到的用户历史交易数据对应的购买行为特征中,Cr1的优先级高于Cr2的优先级,
当d1<d2时,则判定得到的用户历史交易数据对应的购买行为特征中,Cr2的优先级高于Cr1的优先级,
当d1=d2时,引入C中的第3个元素Cr3进行综合分析,获取用户历史交易数据内同时包含C中相应的两个元素的所有用户行为信息中,每个用户行为信息内Cr1与Cr2之间元素构成的元素片段集合,一个用户行为信息对应一个元素片段集合,获取所得元素片段集合的并集中,每个元素在所得各个元素片段集合内出现的总次数,并将出现总次数最多的元素对应的操作行为记为Cr3;
S133、按步骤S131及S132内容,对C中Cr1与Cr3进行优先级排序,对C中Cr2与Cr3进行优先级排序,得到Cr1、Cr2及Cr3三者之间的关系,
若Cr1、Cr2及Cr3三者之间的关系中,Cr1与Cr2的优先级能够确定(优先级:Cr1>Cr3>Cr2或优先级:Cr2>Cr3>Cr1),则将此时Cr1与Cr2的优先级关系的确认结果,作为用户历史交易数据对应的购买行为特征中Cr1与Cr2的优先级排序结果,
若Cr1、Cr2及Cr3三者之间的关系中,Cr1与Cr2的优先级无法确定(优先级:Cr1>Cr3且Cr2>Cr3或优先级:Cr2<Cr3且Cr1<Cr3),则将判定用户历史交易数据对应的购买行为特征中Cr1与Cr2的优先级相同。
进一步的,所述S2中得到用户购买对象标签需求函数的方法包括以下步骤:
S201、获取数据库中预置的商铺特征标签项目集,所述商铺特征标签项目集中每个元素均对应一个商铺特征标签项目,且商铺特征标签项目集中的元素个数记为a1n,
获取用户的历史交易数据,将第n次交易对应商铺的特征标签信息集,记为Wn,Wn={Wn1,Wn2,...,Wna1n-1,Wna1n},所述Wn1,Wn2,...,Wna1n-1,Wna1n分别表示用户第n次交易商铺对应的第1个、第2个、...、第an-1个及第an个与用户第n次交易产品相关的特征标签信息,所述Wna1n表示第n次交易对应商铺在商铺特征标签项目集中第a1n个商铺特征标签项目对应的信息,在数据库预制表单中对应的信息值,所述数据库预制表单中不同商铺特征标签项目的不同信息对应的信息值不同;
S202、得到第n次交易对应商铺的特征标签信息集相应的购买需求值,记为Dn,所述Dn=∑j=1 a1nWnj,所述Wnj表示第n次交易对应商铺在商铺特征标签项目集中第j个商铺特征标签项目对应的信息,在数据库预制表单中对应的信息值,1≤j≤a1n;
S203、构建用户历史交易数据中每次交易分别对应的购买需求值关联数据对,将第n次交易对应的购买需求值关联数据对,记为(Dn,Ln),Ln等于用户历史交易数据对应的各个购买需求值中,小于等于Dn的个数与所得购买需求值总个数之间的比值;
S204、构建平面直角坐标系,并在平面直角坐标系中将所得各次交易分别对应的购买需求值关联数据对相应坐标进行标记,按对应购买需求值从小到大的顺序依次连接相邻的标记点,将所得折线对应的函数记为F1(x1),x1∈[Dmin,Dmax],所述Dmin表示用户各次交易分别对应商铺的特征标签信息集相应的购买需求值中的最小值,所述Dmax表示用户各次交易分别对应商铺的特征标签信息集相应的购买需求值中的最大值;
S205、得到用户购买对象标签需求函数,记为F(x),F(x)为分段函数,
当x<Dmin时,F(x)=0,
当Dmin≤x≤Dmax时,F(x)=F1(x),
当x>Dmax时,F(x)=1。
本发明S204中构建平面直角坐标系时,平面直角坐标系是以o为原点且以购买需求值为x轴且以占比系数为y轴构建的,占比系数的取值范围为0至1;得到用户购买对象标签需求函数的方法,是对用户交易产品所属的商铺进行分析的,即所属商铺对应的购买需求值与用户交易占比之间的关系,商铺的购买需求值越大,用户成功交易的占比越大,为后续步骤中预测用户当前浏览产品对应的用户信息评估值提供了数据参照。
进一步的,所述S2中生成交易平台中用户的交易特征画像时,将用户的交易特征画像记为E,E={CT,F(x)}。
进一步的,所述S3中得到用户当前浏览产品对应的用户信息评估值的方法包括以下步骤:
S31、获取当前时间用户在交易平台浏览的产品所属商铺对应的特征标签信息集WP及用户针对当前浏览产品对应的操作行为信息AP;
S32、获取基于当前时间的第一单位时间内用户在交易平台浏览的各个竞品分别对应的特征标签信息集,并获取用户针对每个竞品对应的操作行为信息,所述第一单位时间为数据库中预置的常数,竞品表示与S31中浏览产品对应名称相同的产品,将第k个竞品对应的特征标签信息记为WkP,将第k个竞品对应的操作行为信息记为AkP;
S33、获取用户的交易特征画像E,得到用户当前浏览产品对应的用户信息评估值,记为HP,
HP=β×g,
β=1-max{0,max{gk|k∈Tk且gk=G(CT,AkP)×F(G1(WkP))}-g}/g,
g=G(CT,AP)×F(G1(WP)),
其中,g表示未受竞品干扰情况下,基于用户交易特征画像的用户当前浏览产品的适配值,gk表示当前浏览产品的第k个竞品,基于用户交易特征画像的用户当前浏览产品的适配值,β表示基于用户交易特征画像的用户当前浏览产品受竞品的干扰系数,max{}表示取最大值的函数,G1()表示对相应集合中各元素值的求和运算,F()表示将相应购买需求值代入用户购买对象标签需求函数F(x)中的x的运算,G(CT,AkP)表示CT与AkP之间的匹配度,G(CT,AP)表示CT与AP之间的匹配度;
G(CT,AkP)表示在对AkP进行元素变换的情况下,不同变换结果与CT的最大匹配率,对AkP进行元素变换指对AkP中一个或多个元素进行删除,每个变换结果与CT的匹配率等于AkP变换后的集合中所有元素构成的元素序列与CT中所有元素构成的元素序列之间,相同的元素序列片段对应的元素个数与CT中元素总个数的比值中的最大值,
一个AkP变换后的集合中所有元素构成的元素序列与CT中所有元素构成的元素序列之间存在一个或多个相同的元素序列片段,每个相同的元素序列片段为包括多个或多个相同且连续的元素。
本发明得到用户当前浏览产品对应的用户信息评估值的过程中,从用户当前浏览产品及相应的竞品这两个因素进行考虑,分析在竞品干扰情况下,基于用户交易特征画像的用户当前浏览产品的适配值(即用户当前浏览产品对应的用户信息评估值),同一用户,针对浏览的同一产品,相应的竞品信息不同,所得用户当前浏览产品对应的用户信息评估值存在较的差异;所得用户信息评估值越高,则用户当前浏览产品成交的概率越大,即用户为当前浏览产品相应商铺的优质客户的概率越高。
进一步的,所述S4中得到每个用户信息评估值对应的沟通优先级的过程中,产品所属商铺接收同一时间对应的各个用户信息评估值及相应时间之前未沟通的所有用户的信息评估值,并按从大到小的顺序对信息评估值对应的用户进行排序,所得排序结果中对应的序号数与相应用户对应的沟通优先级相等;已沟通的所有用户对应的沟通优先级均清零;所述沟通优先级每隔第一预设时间更新一次。
本发明对已沟通的所有用户对应的沟通优先级均清零,是考虑到与之前沟通过的用户继续沟通时,跟沟通优先级关联性不大,在已经沟通的情况下,无论用户之间的沟通优先级如何,在接收到已沟通用户的信息时,均要第一时间进行回复;而针对未沟通用户,在可以对沟通的优先级顺序进行智能排序及筛选,为商铺管理员提供参考数据,增加商铺管理员与商铺优质用户之间的沟通与交流,在一定程度上降低了商铺优质用户的流失,提高了商铺的交易成交率。
一种基于人工智能的智慧交易平台信息监管系统,所述系统包括以下模块:
行为特征获取模块,所述行为特征获取模块获取交易平台中用户的各项交易数据,分析同一用户的历史交易数据对应的购买行为特征;
交易特征画像分析模块,所述交易特征画像分析模块获取同一用户的不同交易数据分别对应商铺的特征标签信息集,得到用户购买对象标签需求函数;生成交易平台中用户的交易特征画像;
用户信息评估模块,所述用户信息评估模块获取当前时间用户在交易平台浏览的产品所属商铺对应的特征标签信息集及用户针对当前浏览产品对应的操作行为信息,结合交易平台中用户的交易特征画像,得到用户当前浏览产品对应的用户信息评估值,并传送给相应产品所属商铺;
商铺用户监管模块,所述商铺用户监管模块中产品所属商铺接收同一时间对应的各个用户信息评估值,得到每个用户信息评估值对应的沟通优先级,并按沟通优先级对未沟通的用户进行管理,并反馈给产品所属商铺的管理员。
进一步的,所述交易特征画像分析模块包括特征标签信息获取模块、标签需求函数构建模块及交易特征画像构建模块,
所述特征标签信息获取模块用于获取同一用户的不同交易数据分别对应商铺的特征标签信息集,
所述标签需求函数构建模块用于根据特征标签信息获取模块获取的各个商铺的特征标签信息集,构建用户购买对象标签需求函数;
所述交易特征画像构建模块用于根据标签需求函数构建模块构建的用户购买对象标签需求函数及行为特征获取模块中所得结果,生成交易平台中用户的交易特征画像。
与现有技术相比,本发明所达到的有益效果是:本发明在对交易平台信息进行监管的过程中,改变了传统意义上商铺管理者仅仅作为被咨询对象的状态,在商铺浏览用户基数大且用户对商铺的选择空间较大的情况下,对用户的商品购买特征进行准确分析,分析用户浏览产品与用户购买习惯的匹配程度(评估值),在一定程度为商铺管理者筛选了商铺的优质用户,改变商铺管理员传统意义上被动等待沟通的状态,降低了商铺的优质用户的流失,实现了对交易平台信息的有效监管。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于人工智能的智慧交易平台信息监管方法的结构示意图;
图2是本发明一种基于人工智能的智慧交易平台信息监管系统的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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例,都属于本发明保护的范围。
请参阅图1,本发明提供技术方案:一种基于人工智能的智慧交易平台信息监管方法,所述方法包括以下步骤:
S1、获取交易平台中用户的各项交易数据,分析同一用户的历史交易数据对应的购买行为特征;
所述S1中分析同一用户的历史交易数据对应的购买行为特征前,需要相应用户的授权许可,在用户未授权的情况,不对用户的交易数据进行采集及分析;
所述S1中分析同一用户的历史交易数据对应的购买行为特征的方法包括以下步骤:
S11、获取用户的历史交易数据,将第n次交易对应的用户行为信息记为An,An={An1,An2,...,Anan-1,Anan},所述An1,An2,...,Anan-1,Anan分别表示用户第n次交易前对应的第1个、第2个、...、第an-1个及第an个与用户第n次交易产品相关的用户操作行为;
本实施例中用户操作行为包括加收藏操作行为、加购物车操作行为、第m次浏览产品页面操作行为(m为正整数)、浏览产品页面评价的操作行为及浏览入口进行的操作行为(从购物车入口进入,或从收藏页面入口进入,或从搜索页面入口进入);
S12、获取用户历史交易数据中所有交易分别对应用户行为信息的并集,记为AN,并对AN进行关键操作行为提取,得到用户购买行为对应的关键操作行为集,记为C;
关键操作行为提取过程中,分别计算AN中每个元素对应的频率占比,将AN中第i个元素对应的频率占比记为Bi,Bi=Q(ANi)/n1,并将AN中对应频率占比大于第一预设值的各个元素作为用户购买行为的一个关键操作行为,其中,n1表示用户历史交易数据中交易的总次数,Q(ANi)表示AN中的第i个元素对应的操作行为ANi,在用户历史交易数据中所有交易分别对应用户行为信息中出现的总次数;
S13、结合用户历史交易数据中所有交易分别对应用户行为信息中,不同操作行为在相应用户行为信息中出现的顺序,对C中元素进行优先级排序,得到用户历史交易数据对应的购买行为特征,记为CT;
对C中任意两个元素进行优先级排序的方法包括以下步骤:
S131、统计用户历史交易数据内同时包含C中相应的两个元素的所有用户行为信息中,Cr1出现的位置在Cr2位置之前的用户行为信息个数d1,及Cr2出现的位置在Cr1位置之前的用户行为信息个数d2,Cr1表示C中相应的两个元素中的前一个元素,Cr2表示C中相应的两个元素中的后一个元素;
S132、比较d1与d2,并确定用户历史交易数据对应的购买行为特征中Cr1与Cr2之间的优先级关系,
当d1>d2时,则判定得到的用户历史交易数据对应的购买行为特征中,Cr1的优先级高于Cr2的优先级,
当d1<d2时,则判定得到的用户历史交易数据对应的购买行为特征中,Cr2的优先级高于Cr1的优先级,
当d1=d2时,引入C中的第3个元素Cr3进行综合分析,获取用户历史交易数据内同时包含C中相应的两个元素的所有用户行为信息中,每个用户行为信息内Cr1与Cr2之间元素构成的元素片段集合,一个用户行为信息对应一个元素片段集合,获取所得元素片段集合的并集中,每个元素在所得各个元素片段集合内出现的总次数,并将出现总次数最多的元素对应的操作行为记为Cr3;
S133、按步骤S131及S132内容,对C中Cr1与Cr3进行优先级排序,对C中Cr2与Cr3进行优先级排序,得到Cr1、Cr2及Cr3三者之间的关系,
若Cr1、Cr2及Cr3三者之间的关系中,Cr1与Cr2的优先级能够确定(优先级:Cr1>Cr3>Cr2或优先级:Cr2>Cr3>Cr1),则将此时Cr1与Cr2的优先级关系的确认结果,作为用户历史交易数据对应的购买行为特征中Cr1与Cr2的优先级排序结果,
若Cr1、Cr2及Cr3三者之间的关系中,Cr1与Cr2的优先级无法确定(优先级:Cr1>Cr3且Cr2>Cr3或优先级:Cr2<Cr3且Cr1<Cr3),则将判定用户历史交易数据对应的购买行为特征中Cr1与Cr2的优先级相同。
本实施例中若Ch1与Ch2分别为C中的两个元素,
若Ch1对应的d1值等于3,Ch2对应的d2值等于3,则需要进一步引入第三个元素进行综合分析,假如引入的第3个元素为Ch3时,则分别要比较Ch1与Ch3、Ch2与Ch3之间的关系,
若比较Ch1与Ch3时,Ch1对应的d1值为4,Ch3对应的d2值为3,则可以判定Ch1的优先级高于Ch3的优先级;
若比较Ch2与Ch3时,Ch2对应的d1值为4,Ch3对应的d2值为5,则可以判定Ch1的优先级低于Ch3的优先级;
由于优先级:Ch1>Ch3且Ch3>Ch2,即Ch1>Ch3>Ch2,
则判定Ch1的优先级高于Ch2的优先级。
S2、获取同一用户的不同交易数据分别对应商铺的特征标签信息集,得到用户购买对象标签需求函数;生成交易平台中用户的交易特征画像;
所述S2中得到用户购买对象标签需求函数的方法包括以下步骤:
S201、获取数据库中预置的商铺特征标签项目集,所述商铺特征标签项目集中每个元素均对应一个商铺特征标签项目,且商铺特征标签项目集中的元素个数记为a1n,
获取用户的历史交易数据,将第n次交易对应商铺的特征标签信息集,记为Wn,Wn={Wn1,Wn2,...,Wna1n-1,Wna1n},所述Wn1,Wn2,...,Wna1n-1,Wna1n分别表示用户第n次交易商铺对应的第1个、第2个、...、第an-1个及第an个与用户第n次交易产品相关的特征标签信息,所述Wna1n表示第n次交易对应商铺在商铺特征标签项目集中第a1n个商铺特征标签项目对应的信息,在数据库预制表单中对应的信息值,所述数据库预制表单中不同商铺特征标签项目的不同信息对应的信息值不同;
S202、得到第n次交易对应商铺的特征标签信息集相应的购买需求值,记为Dn,所述Dn=∑j=1 a1nWnj,所述Wnj表示第n次交易对应商铺在商铺特征标签项目集中第j个商铺特征标签项目对应的信息,在数据库预制表单中对应的信息值,1≤j≤a1n;
S203、构建用户历史交易数据中每次交易分别对应的购买需求值关联数据对,将第n次交易对应的购买需求值关联数据对,记为(Dn,Ln),Ln等于用户历史交易数据对应的各个购买需求值中,小于等于Dn的个数与所得购买需求值总个数之间的比值;
S204、构建平面直角坐标系(所述平面直角坐标系是以o为原点且以购买需求值为x轴且以占比系数为y轴构建的,所述占比系数的取值范围为0至1),并在平面直角坐标系中将所得各次交易分别对应的购买需求值关联数据对相应坐标进行标记,按对应购买需求值从小到大的顺序依次连接相邻的标记点,将所得折线对应的函数记为F1(x1),x1∈[Dmin,Dmax],所述Dmin表示用户各次交易分别对应商铺的特征标签信息集相应的购买需求值中的最小值,所述Dmax表示用户各次交易分别对应商铺的特征标签信息集相应的购买需求值中的最大值;
S205、得到用户购买对象标签需求函数,记为F(x),F(x)为分段函数,
当x<Dmin时,F(x)=0,
当Dmin≤x≤Dmax时,F(x)=F1(x),
当x>Dmax时,F(x)=1。
所述S2中生成交易平台中用户的交易特征画像时,将用户的交易特征画像记为E,E={CT,F(x)}。
S3、获取当前时间用户在交易平台浏览的产品所属商铺对应的特征标签信息集及用户针对当前浏览产品对应的操作行为信息,结合交易平台中用户的交易特征画像,得到用户当前浏览产品对应的用户信息评估值,并传送给相应产品所属商铺;
所述S3中得到用户当前浏览产品对应的用户信息评估值的方法包括以下步骤:
S31、获取当前时间用户在交易平台浏览的产品所属商铺对应的特征标签信息集WP及用户针对当前浏览产品对应的操作行为信息AP;
S32、获取基于当前时间的第一单位时间内用户在交易平台浏览的各个竞品分别对应的特征标签信息集,并获取用户针对每个竞品对应的操作行为信息,所述第一单位时间为数据库中预置的常数,竞品表示与S31中浏览产品对应名称相同的产品,将第k个竞品对应的特征标签信息记为WkP,将第k个竞品对应的操作行为信息记为AkP;
S33、获取用户的交易特征画像E,得到用户当前浏览产品对应的用户信息评估值,记为HP,
HP=β×g,
β=1-max{0,max{gk|k∈Tk且gk=G(CT,AkP)×F(G1(WkP))}-g}/g,
g=G(CT,AP)×F(G1(WP)),
其中,g表示未受竞品干扰情况下,基于用户交易特征画像的用户当前浏览产品的适配值,gk表示当前浏览产品的第k个竞品,基于用户交易特征画像的用户当前浏览产品的适配值,β表示基于用户交易特征画像的用户当前浏览产品受竞品的干扰系数,max{}表示取最大值的函数,G1()表示对相应集合中各元素值的求和运算,F()表示将相应购买需求值代入用户购买对象标签需求函数F(x)中的x的运算,G(CT,AkP)表示CT与AkP之间的匹配度,G(CT,AP)表示CT与AP之间的匹配度;
G(CT,AkP)表示在对AkP进行元素变换的情况下,不同变换结果与CT的最大匹配率,对AkP进行元素变换指对AkP中一个或多个元素进行删除,每个变换结果与CT的匹配率等于AkP变换后的集合中所有元素构成的元素序列与CT中所有元素构成的元素序列之间,相同的元素序列片段对应的元素个数与CT中元素总个数的比值中的最大值,
一个AkP变换后的集合中所有元素构成的元素序列与CT中所有元素构成的元素序列之间存在一个或多个相同的元素序列片段,每个相同的元素序列片段为包括多个或多个相同且连续的元素。
本实施例中若AkP变换后的集合为{r1,r5,r3,r4},CT对应的集合为{r1,r3,r4},
则{r1,r5,r3,r4}构成的元素序列为r1r5r3r4;{r1,r3,r4}构成的元素序列为r1r3r4;
进而r1r5r3r4与r1r3r4之间相同的元素序列片段包括两个,第一个元素序列片段为r1,第二个元素序列片段为r3r4;
S4、产品所属商铺接收同一时间对应的各个用户信息评估值,得到每个用户信息评估值对应的沟通优先级,并按沟通优先级对未沟通的用户进行管理,并反馈给产品所属商铺的管理员;
所述S4中得到每个用户信息评估值对应的沟通优先级的过程中,产品所属商铺接收同一时间对应的各个用户信息评估值及相应时间之前未沟通的所有用户的信息评估值,并按从大到小的顺序对信息评估值对应的用户进行排序,所得排序结果中对应的序号数与相应用户对应的沟通优先级相等;已沟通的所有用户对应的沟通优先级均清零;所述沟通优先级每隔第一预设时间更新一次。
如图2所示,一种基于人工智能的智慧交易平台信息监管系统,所述系统包括以下模块:
行为特征获取模块,所述行为特征获取模块获取交易平台中用户的各项交易数据,分析同一用户的历史交易数据对应的购买行为特征;
交易特征画像分析模块,所述交易特征画像分析模块获取同一用户的不同交易数据分别对应商铺的特征标签信息集,得到用户购买对象标签需求函数;生成交易平台中用户的交易特征画像;
用户信息评估模块,所述用户信息评估模块获取当前时间用户在交易平台浏览的产品所属商铺对应的特征标签信息集及用户针对当前浏览产品对应的操作行为信息,结合交易平台中用户的交易特征画像,得到用户当前浏览产品对应的用户信息评估值,并传送给相应产品所属商铺;
商铺用户监管模块,所述商铺用户监管模块中产品所属商铺接收同一时间对应的各个用户信息评估值,得到每个用户信息评估值对应的沟通优先级,并按沟通优先级对未沟通的用户进行管理,并反馈给产品所属商铺的管理员。
所述交易特征画像分析模块包括特征标签信息获取模块、标签需求函数构建模块及交易特征画像构建模块,
所述特征标签信息获取模块用于获取同一用户的不同交易数据分别对应商铺的特征标签信息集,
所述标签需求函数构建模块用于根据特征标签信息获取模块获取的各个商铺的特征标签信息集,构建用户购买对象标签需求函数;
所述交易特征画像构建模块用于根据标签需求函数构建模块构建的用户购买对象标签需求函数及行为特征获取模块中所得结果,生成交易平台中用户的交易特征画像。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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 (8)
1.一种基于人工智能的智慧交易平台信息监管方法,其特征在于,所述方法包括以下步骤:
S1、获取交易平台中用户的各项交易数据,分析同一用户的历史交易数据对应的购买行为特征;
S2、获取同一用户的不同交易数据分别对应商铺的特征标签信息集,得到用户购买对象标签需求函数;生成交易平台中用户的交易特征画像;
S3、获取当前时间用户在交易平台浏览的产品所属商铺对应的特征标签信息集及用户针对当前浏览产品对应的操作行为信息,结合交易平台中用户的交易特征画像,得到用户当前浏览产品对应的用户信息评估值,并传送给相应产品所属商铺;
S4、产品所属商铺接收同一时间对应的各个用户信息评估值,得到每个用户信息评估值对应的沟通优先级,并按沟通优先级对未沟通的用户进行管理,并反馈给产品所属商铺的管理员。
2.根据权利要求1所述的一种基于人工智能的智慧交易平台信息监管方法,其特征在于:所述S1中分析同一用户的历史交易数据对应的购买行为特征前,需要相应用户的授权许可,在用户未授权的情况,不对用户的交易数据进行采集及分析;
所述S1中分析同一用户的历史交易数据对应的购买行为特征的方法包括以下步骤:
S11、获取用户的历史交易数据,将第n次交易对应的用户行为信息记为An,An={An1,An2,...,Anan-1,Anan},所述An1,An2,...,Anan-1,Anan分别表示用户第n次交易前对应的第1个、第2个、...、第an-1个及第an个与用户第n次交易产品相关的用户操作行为;
S12、获取用户历史交易数据中所有交易分别对应用户行为信息的并集,记为AN,并对AN进行关键操作行为提取,得到用户购买行为对应的关键操作行为集,记为C;
关键操作行为提取过程中,分别计算AN中每个元素对应的频率占比,将AN中第i个元素对应的频率占比记为Bi,Bi=Q(ANi)/n1,并将AN中对应频率占比大于第一预设值的各个元素作为用户购买行为的一个关键操作行为,其中,n1表示用户历史交易数据中交易的总次数,Q(ANi)表示AN中的第i个元素对应的操作行为ANi,在用户历史交易数据中所有交易分别对应用户行为信息中出现的总次数;
S13、结合用户历史交易数据中所有交易分别对应用户行为信息中,不同操作行为在相应用户行为信息中出现的顺序,对C中元素进行优先级排序,得到用户历史交易数据对应的购买行为特征,记为CT;
对C中任意两个元素进行优先级排序的方法包括以下步骤:
S131、统计用户历史交易数据内同时包含C中相应的两个元素的所有用户行为信息中,Cr1出现的位置在Cr2位置之前的用户行为信息个数d1,及Cr2出现的位置在Cr1位置之前的用户行为信息个数d2,Cr1表示C中相应的两个元素中的前一个元素,Cr2表示C中相应的两个元素中的后一个元素;
S132、比较d1与d2,并确定用户历史交易数据对应的购买行为特征中Cr1与Cr2之间的优先级关系,
当d1>d2时,则判定得到的用户历史交易数据对应的购买行为特征中,Cr1的优先级高于Cr2的优先级,
当d1<d2时,则判定得到的用户历史交易数据对应的购买行为特征中,Cr2的优先级高于Cr1的优先级,
当d1=d2时,引入C中的第3个元素Cr3进行综合分析,获取用户历史交易数据内同时包含C中相应的两个元素的所有用户行为信息中,每个用户行为信息内Cr1与Cr2之间元素构成的元素片段集合,一个用户行为信息对应一个元素片段集合,获取所得元素片段集合的并集中,每个元素在所得各个元素片段集合内出现的总次数,并将出现总次数最多的元素对应的操作行为记为Cr3;
S133、按步骤S131及S132内容,对C中Cr1与Cr3进行优先级排序,对C中Cr2与Cr3进行优先级排序,得到Cr1、Cr2及Cr3三者之间的关系,
若Cr1、Cr2及Cr3三者之间的关系中,Cr1与Cr2的优先级能够确定,则将此时Cr1与Cr2的优先级关系的确认结果,作为用户历史交易数据对应的购买行为特征中Cr1与Cr2的优先级排序结果,
若Cr1、Cr2及Cr3三者之间的关系中,Cr1与Cr2的优先级无法确定,则将判定用户历史交易数据对应的购买行为特征中Cr1与Cr2的优先级相同。
3.根据权利要求2所述的一种基于人工智能的智慧交易平台信息监管方法,其特征在于:所述S2中得到用户购买对象标签需求函数的方法包括以下步骤:
S201、获取数据库中预置的商铺特征标签项目集,所述商铺特征标签项目集中每个元素均对应一个商铺特征标签项目,且商铺特征标签项目集中的元素个数记为a1n,
获取用户的历史交易数据,将第n次交易对应商铺的特征标签信息集,记为Wn,Wn={Wn1,Wn2,...,Wna1n-1,Wna1n},所述Wn1,Wn2,...,Wna1n-1,Wna1n分别表示用户第n次交易商铺对应的第1个、第2个、...、第an-1个及第an个与用户第n次交易产品相关的特征标签信息,所述Wna1n表示第n次交易对应商铺在商铺特征标签项目集中第a1n个商铺特征标签项目对应的信息,在数据库预制表单中对应的信息值,所述数据库预制表单中不同商铺特征标签项目的不同信息对应的信息值不同;
S202、得到第n次交易对应商铺的特征标签信息集相应的购买需求值,记为Dn,所述Dn=∑j=1 a1nWnj,所述Wnj表示第n次交易对应商铺在商铺特征标签项目集中第j个商铺特征标签项目对应的信息,在数据库预制表单中对应的信息值,1≤j≤a1n;
S203、构建用户历史交易数据中每次交易分别对应的购买需求值关联数据对,将第n次交易对应的购买需求值关联数据对,记为(Dn,Ln),Ln等于用户历史交易数据对应的各个购买需求值中,小于等于Dn的个数与所得购买需求值总个数之间的比值;
S204、构建平面直角坐标系,并在平面直角坐标系中将所得各次交易分别对应的购买需求值关联数据对相应坐标进行标记,按对应购买需求值从小到大的顺序依次连接相邻的标记点,将所得折线对应的函数记为F1(x1),x1∈[Dmin,Dmax],所述Dmin表示用户各次交易分别对应商铺的特征标签信息集相应的购买需求值中的最小值,所述Dmax表示用户各次交易分别对应商铺的特征标签信息集相应的购买需求值中的最大值;
S205、得到用户购买对象标签需求函数,记为F(x),F(x)为分段函数,
当x<Dmin时,F(x)=0,
当Dmin≤x≤Dmax时,F(x)=F1(x),
当x>Dmax时,F(x)=1。
4.根据权利要求3所述的一种基于人工智能的智慧交易平台信息监管方法,其特征在于:所述S2中生成交易平台中用户的交易特征画像时,将用户的交易特征画像记为E,E={CT,F(x)}。
5.根据权利要求4所述的一种基于人工智能的智慧交易平台信息监管方法,其特征在于:所述S3中得到用户当前浏览产品对应的用户信息评估值的方法包括以下步骤:
S31、获取当前时间用户在交易平台浏览的产品所属商铺对应的特征标签信息集WP及用户针对当前浏览产品对应的操作行为信息AP;
S32、获取基于当前时间的第一单位时间内用户在交易平台浏览的各个竞品分别对应的特征标签信息集,并获取用户针对每个竞品对应的操作行为信息,所述第一单位时间为数据库中预置的常数,竞品表示与S31中浏览产品对应名称相同的产品,将第k个竞品对应的特征标签信息记为WkP,将第k个竞品对应的操作行为信息记为AkP;
S33、获取用户的交易特征画像E,得到用户当前浏览产品对应的用户信息评估值,记为HP,
HP=β×g,
β=1-max{0,max{gk|k∈Tk且gk=G(CT,AkP)×F(G1(WkP))}-g}/g,
g=G(CT,AP)×F(G1(WP)),
其中,g表示未受竞品干扰情况下,基于用户交易特征画像的用户当前浏览产品的适配值,gk表示当前浏览产品的第k个竞品,基于用户交易特征画像的用户当前浏览产品的适配值,β表示基于用户交易特征画像的用户当前浏览产品受竞品的干扰系数,max{}表示取最大值的函数,G1()表示对相应集合中各元素值的求和运算,F()表示将相应购买需求值代入用户购买对象标签需求函数F(x)中的x的运算,G(CT,AkP)表示CT与AkP之间的匹配度,G(CT,AP)表示CT与AP之间的匹配度;
G(CT,AkP)表示在对AkP进行元素变换的情况下,不同变换结果与CT的最大匹配率,对AkP进行元素变换指对AkP中一个或多个元素进行删除,每个变换结果与CT的匹配率等于AkP变换后的集合中所有元素构成的元素序列与CT中所有元素构成的元素序列之间,相同的元素序列片段对应的元素个数与CT中元素总个数的比值中的最大值,
一个AkP变换后的集合中所有元素构成的元素序列与CT中所有元素构成的元素序列之间存在一个或多个相同的元素序列片段,每个相同的元素序列片段为包括多个或多个相同且连续的元素。
6.根据权利要求1所述的一种基于人工智能的智慧交易平台信息监管方法,其特征在于:所述S4中得到每个用户信息评估值对应的沟通优先级的过程中,产品所属商铺接收同一时间对应的各个用户信息评估值及相应时间之前未沟通的所有用户的信息评估值,并按从大到小的顺序对信息评估值对应的用户进行排序,所得排序结果中对应的序号数与相应用户对应的沟通优先级相等;已沟通的所有用户对应的沟通优先级均清零;所述沟通优先级每隔第一预设时间更新一次。
7.应用权利要求1-6中任意一项所述的一种基于人工智能的智慧交易平台信息监管方法的基于人工智能的智慧交易平台信息监管系统,其特征在于,所述系统包括以下模块:
行为特征获取模块,所述行为特征获取模块获取交易平台中用户的各项交易数据,分析同一用户的历史交易数据对应的购买行为特征;
交易特征画像分析模块,所述交易特征画像分析模块获取同一用户的不同交易数据分别对应商铺的特征标签信息集,得到用户购买对象标签需求函数;生成交易平台中用户的交易特征画像;
用户信息评估模块,所述用户信息评估模块获取当前时间用户在交易平台浏览的产品所属商铺对应的特征标签信息集及用户针对当前浏览产品对应的操作行为信息,结合交易平台中用户的交易特征画像,得到用户当前浏览产品对应的用户信息评估值,并传送给相应产品所属商铺;
商铺用户监管模块,所述商铺用户监管模块中产品所属商铺接收同一时间对应的各个用户信息评估值,得到每个用户信息评估值对应的沟通优先级,并按沟通优先级对未沟通的用户进行管理,并反馈给产品所属商铺的管理员。
8.根据权利要求7所述的一种基于人工智能的智慧交易平台信息监管系统,其特征在于:所述交易特征画像分析模块包括特征标签信息获取模块、标签需求函数构建模块及交易特征画像构建模块,
所述特征标签信息获取模块用于获取同一用户的不同交易数据分别对应商铺的特征标签信息集,
所述标签需求函数构建模块用于根据特征标签信息获取模块获取的各个商铺的特征标签信息集,构建用户购买对象标签需求函数;
所述交易特征画像构建模块用于根据标签需求函数构建模块构建的用户购买对象标签需求函数及行为特征获取模块中所得结果,生成交易平台中用户的交易特征画像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310553934.7A CN116308467B (zh) | 2023-05-17 | 2023-05-17 | 一种基于人工智能的智慧交易平台信息监管系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310553934.7A CN116308467B (zh) | 2023-05-17 | 2023-05-17 | 一种基于人工智能的智慧交易平台信息监管系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116308467A CN116308467A (zh) | 2023-06-23 |
CN116308467B true CN116308467B (zh) | 2023-08-22 |
Family
ID=86790945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310553934.7A Active CN116308467B (zh) | 2023-05-17 | 2023-05-17 | 一种基于人工智能的智慧交易平台信息监管系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308467B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523545B (zh) * | 2023-06-28 | 2023-09-15 | 大汉电子商务有限公司 | 基于大数据的用户画像构建方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220863A (zh) * | 2016-03-22 | 2017-09-29 | 研祥智能科技股份有限公司 | 网络购物服务方法及装置 |
CN107491983A (zh) * | 2017-07-24 | 2017-12-19 | 平安科技(深圳)有限公司 | 一种微信客户行为反馈方法、设备及存储介质 |
CN113538012A (zh) * | 2021-07-26 | 2021-10-22 | 武汉东临碣石电子商务有限公司 | 一种基于互联网电子商务平台数据分析的买家用户智能管理方法 |
CN114331572A (zh) * | 2022-03-14 | 2022-04-12 | 北京明略软件系统有限公司 | 一种潜在客户的确定方法、装置、电子设备及存储介质 |
CN114596122A (zh) * | 2022-03-16 | 2022-06-07 | 深圳市星运通国际货运代理有限公司 | 一种基于区块链的智能贸易数据分析系统及方法 |
CN114862426A (zh) * | 2022-07-06 | 2022-08-05 | 广州极尚网络技术有限公司 | 一种客服推荐方法、装置、设备及介质 |
CN115423571A (zh) * | 2022-09-28 | 2022-12-02 | 浪潮卓数大数据产业发展有限公司 | 基于电商平台的商品推荐方法及系统 |
CN115879956A (zh) * | 2022-12-09 | 2023-03-31 | 荃豆数字科技有限公司 | 一种电商客户维护推送方法、装置、设备及存储介质 |
-
2023
- 2023-05-17 CN CN202310553934.7A patent/CN116308467B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220863A (zh) * | 2016-03-22 | 2017-09-29 | 研祥智能科技股份有限公司 | 网络购物服务方法及装置 |
CN107491983A (zh) * | 2017-07-24 | 2017-12-19 | 平安科技(深圳)有限公司 | 一种微信客户行为反馈方法、设备及存储介质 |
CN113538012A (zh) * | 2021-07-26 | 2021-10-22 | 武汉东临碣石电子商务有限公司 | 一种基于互联网电子商务平台数据分析的买家用户智能管理方法 |
CN114331572A (zh) * | 2022-03-14 | 2022-04-12 | 北京明略软件系统有限公司 | 一种潜在客户的确定方法、装置、电子设备及存储介质 |
CN114596122A (zh) * | 2022-03-16 | 2022-06-07 | 深圳市星运通国际货运代理有限公司 | 一种基于区块链的智能贸易数据分析系统及方法 |
CN114862426A (zh) * | 2022-07-06 | 2022-08-05 | 广州极尚网络技术有限公司 | 一种客服推荐方法、装置、设备及介质 |
CN115423571A (zh) * | 2022-09-28 | 2022-12-02 | 浪潮卓数大数据产业发展有限公司 | 基于电商平台的商品推荐方法及系统 |
CN115879956A (zh) * | 2022-12-09 | 2023-03-31 | 荃豆数字科技有限公司 | 一种电商客户维护推送方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116308467A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102236663B (zh) | 一种基于垂直搜索的查询方法、系统和装置 | |
CN100447735C (zh) | 利用协作过滤和万维网蜘蛛式搜索推荐搜索项 | |
Kim et al. | Identifying core technologies based on technological cross-impacts: An association rule mining (ARM) and analytic network process (ANP) approach | |
US8332258B1 (en) | Business to business dynamic pricing system | |
US7725414B2 (en) | Method for developing a classifier for classifying communications | |
CN116308467B (zh) | 一种基于人工智能的智慧交易平台信息监管系统及方法 | |
CN101203856A (zh) | 用于生成相关搜索查询的系统 | |
CN105868904A (zh) | 资产盘点方法及装置 | |
CN109685537B (zh) | 用户行为的分析方法、装置、介质和电子设备 | |
CN103699549B (zh) | 一种图形码库更新、查询方法及相关装置 | |
CN112581189A (zh) | 一种供应商智能推荐系统及方法 | |
CN115131101A (zh) | 一种保险产品个性化智能推荐系统 | |
CN107239495A (zh) | 基于关系链权重的商品以及搜索排序展示方法 | |
CN113469704A (zh) | 一种自动推荐客户服务策略的系统和方法 | |
CN109684536A (zh) | 一种基于物品k-最近邻算法的图书推荐方法和系统 | |
CN117237038A (zh) | 一种基于流量引擎的商品精准曝光处理系统 | |
US10540401B1 (en) | Construction permit processing system and method | |
CN109508366A (zh) | 资料查询方法及装置 | |
CN114565431A (zh) | 一种基于互联网的供应商订单管理方法及系统 | |
CN114519073A (zh) | 一种基于图谱关系挖掘的产品配置推荐方法及系统 | |
US7801757B2 (en) | Computer implemented customer value model in airline industry | |
CN118014695B (zh) | 一种基于多源数据筛选的商品推送方法和系统 | |
CN113220983A (zh) | 基于深度学习的选品方法和装置 | |
CN115081403B (zh) | 会议ppt自动生成方法、装置、电子设备及存储介质 | |
KR20180134619A (ko) | 클라우드 기반 전문분야 검색 방법 및 그 시스템 |
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 |