CN116862561B - 基于卷积神经网络的产品热度分析方法和系统 - Google Patents

基于卷积神经网络的产品热度分析方法和系统 Download PDF

Info

Publication number
CN116862561B
CN116862561B CN202310836766.2A CN202310836766A CN116862561B CN 116862561 B CN116862561 B CN 116862561B CN 202310836766 A CN202310836766 A CN 202310836766A CN 116862561 B CN116862561 B CN 116862561B
Authority
CN
China
Prior art keywords
product
heat
data
database
index
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
Application number
CN202310836766.2A
Other languages
English (en)
Other versions
CN116862561A (zh
Inventor
位银星
陈文华
陈超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Aiqiao Network Co ltd
Original Assignee
Shenzhen Aiqiao Network Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Aiqiao Network Co ltd filed Critical Shenzhen Aiqiao Network Co ltd
Priority to CN202310836766.2A priority Critical patent/CN116862561B/zh
Publication of CN116862561A publication Critical patent/CN116862561A/zh
Application granted granted Critical
Publication of CN116862561B publication Critical patent/CN116862561B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及数据分析的技术领域，特别是涉及一种基于卷积神经网络的产品热度分析方法和系统，其能够精准识别产品热度，便于根据产品的热度不同，对产品进行分区管理；所述方法包括：获取产品预设时间内的销售数据；对所述销售数据进行要素提取，获得产品的评估要素；将评估要素录入预设的产品热度分析模型中，计算得出产品热度指数；构建产品热度信息数据库与产品推广计划数据库；将根据所述产品热度分析模型计算得到的产品热度指数与所述产品热度信息数据库进行匹配，确定产品的热度等级；将产品的热度等级与所述产品推广计划数据库进行匹配，确定产品的后续推广计划并展示。

Description

基于卷积神经网络的产品热度分析方法和系统
技术领域
本发明涉及数据分析的技术领域，特别是涉及一种基于卷积神经网络的产品热度分析方法和系统。
背景技术
产品热度是指产品在市场上的受欢迎程度和吸引力，当一个产品热度高时，说明它在市场上很受欢迎，消费者对其有较高的需求和认可度；对于企业来说，了解和把握产品热度是非常重要的，通过监测和分析产品热度，企业可以了解市场对其产品的反应和需求变化，以便及时调整市场策略、产品定位。
现有的热度分析只是简单的对销售数据进行计算分析，由于影响产品热度的因素较多，因此难以精准分析出产品的热度。
发明内容
为解决上述技术问题，本发明提供一种能够精准识别产品热度，便于根据产品的热度不同，对产品进行分区管理的基于卷积神经网络的产品热度分析方法。
第一方面，本发明提供了一种基于卷积神经网络的产品热度分析方法，所述方法包括：
获取产品预设时间内的销售数据；
对所述销售数据进行要素提取，获得产品的评估要素；
将评估要素录入预设的产品热度分析模型中，计算得出产品热度指数；
构建产品热度信息数据库与产品推广计划数据库；
将根据所述产品热度分析模型计算得到的产品热度指数与所述产品热度信息数据库进行匹配，确定产品的热度等级；
将产品的热度等级与所述产品推广计划数据库进行匹配，确定产品的后续推广计划并展示。
另一方面，本申请还提供了一种基于卷积神经网络的产品热度分析系统，所述系统包括：
数据提取单元，用于获取产品预设时间内的销售数据，并在销售数据中提取用于评估产品热度的评估要素，并将评估要素发送；
数据预处理单元，用于接收数据获取单元发送的评估要素，并对不同属性的评估要素进行标准化数据预处理，并根据预设时间排序，生成输入矩阵并发送；
热度特征数据库，用于储存热度指数和与热度指数相对应的特征矩阵；
产品热度信息数据库，用于储存产品热度指数和与所述产品热度指数相对应的产品热度等级；
产品推广计划数据库，用于储存所述产品热度等级和与所述产品热度等级相对应的产品后续推广计划；
数据计算单元，用于接收数据预处理单元发送的输入矩阵，并利用预先训练的卷积神经网络对输入矩阵进行特征识别，得到产品的特征矩阵；并将产品的特征矩阵与热度特征数据库进行匹配，得到与特征矩阵相对应的热度指数；将所述热度指数与产品热度信息数据库进行匹配，得到与热度指数相对应的热度等级；将所述热度等级与产品推广计划数据库进行匹配，得到与热度等级相对应的产品后续推广计划，并将产品热度等级和产品后续推广计划发送；
显示单元，用于接收数据计算单元发送的产品热度等级和产品后续推广计划并向管理人员展示。
第三方面，本申请提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
进一步地，其中所述产品热度信息数据库包括与所述产品热度指数相对应的产品热度等级；所述产品推广计划数据库包括与所述产品热度等级相对应的产品后续推广计划。
进一步地，评估要素包括产品型号、店铺周销售额、产品周销售额、店铺周利润、产品周利润和库存可售周数。
进一步地，所述产品热度分析模型对评估要素的计算包括以下方法：
获取评估要素；
对评估要素进行数据预处理，并生成输入矩阵；
通过预先训练的卷积神经网络对输入矩阵进行卷积运算，计算得到特征矩阵；
建立热度特征数据库；
将特征矩阵与热度特征数据库进行匹配，得到与特征矩阵相对应的热度指数。
进一步地，所述热度特征数据库包括热度指数和与热度指数相对应的特征矩阵，所述热度特征数据库的建立是由不同销售热度的产品销售数据通过要素提取、数据预处理和卷积运算得到的。
进一步地，采用k最近邻算法对所述产品热度指数与所述产品热度信息数据库进行匹配。
进一步地，所述数据预处理通过计算产品的销售占比、产品的利润占比、产品的利润占比与该产品的销售占比的比值、产品库存可售周数和产品的总利润值进行系统化赋值。
与现有技术相比本发明的有益效果为：通过根据产品一定时间跨度内的销售数据；利用产品热度分析模型，分析计算得出产品热度指数；再将产品热度指数与产品热度信息数据库进行匹配，确定产品的热度等级；之后将产品的热度等级与所述产品推广计划数据库进行匹配，从而确定产品的后续推广计划；通过上述根据产品销售数据逐步确定产品热度等级的过程，实现精准识别产品热度的目的。
附图说明
图1是本发明的逻辑流程图；
图2是热度分析模型确定热度指数的逻辑流程图。
实施方式
在本申请的描述中，所属技术领域的技术人员应当知道，本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本申请可以具体实现为以下形式：完全的硬件、完全的软件（包括固件、驻留软件、微代码等）、硬件和软件结合的形式。此外，在一些实施例中，本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中，计算机可读存储介质可以是任意包含或存储程序的有形介质，该程序可以被指令执行系统、装置、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例
如图1至图2所示，本发明的一种基于卷积神经网络的产品热度分析方法，包括以下步骤；
S1、获取产品在2022年第14周至第20周内的销售数据；
具体在本步骤中，通过以下途径获取产品的销售数据：不同的电商平台会提供不同的卖家后台，通过登录电商平台的卖家后台，可以通过卖家后台获取店铺内的订单、销售量、销售额等数据；同时还可以使用第三方产品管理软件，通过安装第三方产品管理软件，由第三方产品管理软件获取产品的销售信息，包括订单、销售额、利润等数据；当然，上述获取产品销售数据的方法仅仅是较为典型的部分方法，其他能够被利用的获取产品销售数据方法也均在本发明的保护范围内。
S2、对所述销售数据进行要素提取，获得产品的评估要素；
具体而言，为了对产品的热度进行评估分析，需要将S1中无用的销售数据剔除，提取评估用的关键要素数据，例如产品型号、店铺周销售额M、产品周销售额m、店铺周利润N、产品周利润n和库存可售周数W等具体的销售数据，具体的评估要素如表1所示；
其中库存可售周数是指以当前周销售量和现有产品库存来计算现有库存还可以销售多少周，库存可售周数是评估该产品是否能够持续畅销的主要参数，具体的库存可售周数W是以当前仓库内该产品的存储数量除以该产品本周的销售数量得到。
S3、将评估要素录入预设的产品热度分析模型中，计算得出产品热度指数；具体在本步骤中，通过以下步骤进行产品热度指数确定：
S31、获取评估要素，即S2中已经提取的产品热度评估要素；
S32、对评估要素进行数据预处理，并生成输入矩阵；在本步骤中，由于各项评估要素的属性不同，需要对每周产品的评估要素进行数据标准化预处理，通过将原始数据按照一定的规则进行转换和缩放，使得不同属性的数据可以在同一比例尺下进行比较，数据标准化的目的是消除数据间的量纲和方差不同等差异，使不同属性的数据具有可比性，为数据分析和机器学习算法提供更加准确和科学的依据，具体的数据预处理过程如下；
S321、计算该产品的销售占比，即产品周销售额与店铺周销售额的比值：m/M，判断计算结果是否大于第一阈值，若大于等于则输出“1”，若小于则输出“0”；
S322、计算该产品的利润占比，即产品周利润与店铺周利润的比值：n/N，判断计算结果是否大于第二阈值，若大于等于则输出“1”，若小于则输出“0”；
S323、计算该产品的利润占比与该产品的销售占比的比值：（n/N）/（m/M），判断计算结果是否大于1，若大于等于则输出“1”，若小于则输出“0”；
S324、判断该产品库存可售周数是否大于第三阈值，若大于等于则输出“1”，若小于则输出“0”；
S325、预估该产品的总利润值：W*n，判断计算结果是否大于第四阈值，若大于等于则输出“1”，若小于则输出“0”；
通过上述对每周销售情况的数据预处理得到一个只有“1”或“0”的输入矩阵。
S33、通过预先训练的卷积神经网络对输入矩阵进行卷积运算，计算得到特征矩阵；本步骤中涉及到的卷积神经网络包括卷积层、池化层、全连接层等；通过使用以往人工定义的不同热度的产品销售数据对卷积神经网络进行训练，通过调整网络参数，能够提高网络的预测精度；使用训练好的神经网络对对输入矩阵进行卷积运算，得到的尺寸减小的特征矩阵，小尺寸的特征矩阵在进行匹配和比对时更加快速，能够提升运算速度；
S34、建立热度特征数据库；所述热度特征数据库包括热度指数和与热度指数相对应的特征矩阵，热度特征数据库的建立具体是由不同销售热度的产品销售数据通过要素提取、数据预处理和卷积运算得到的；
S35、将特征矩阵与热度特征数据库进行匹配，得到与特征矩阵相对应的热度指数；在匹配的具体过程中，要找出与特征矩阵相同的矩阵，可以使用矩阵比较的方法进行计算，首先，将热度特征数据库中的若干个特征矩阵与S33运算得到的特征矩阵相减，得到一个新的矩阵；如果这个新矩阵中的所有元素都是零，则匹配成功，并得到与特征矩阵相对应的热度指数。
S4、构建产品热度信息数据库与产品推广计划数据库；
具体而言，其中所述产品热度信息数据库包括与所述产品热度指数相对应的产品热度等级，具体的产品热度指数与热度等级之间的对应关系如表2所示；
所述产品推广计划数据库包括与所述产品热度等级相对应的产品后续推广计划，具体的，如果某个产品的热度等级高于设定的上限阈值时，可以增加库存并提供促销活动，例如限时抢购、满减优惠、优惠券活动、礼品赠送、团购活动、秒杀活动等；如果某个产品的热度等级低于设定的下限阈值时，可以考虑减少库存并针对客户群体进行营销，根据产品的属性向特定的客户群体进行宣传推广，以更好地满足该客户群体的需求和提高营销效率；如果某个产品的热度等级处于设定的下限阈值与设定的上限阈值之间时，则考虑维持该产品现有的推广计划不变，即推广、库存、促销活动等保持不变。
S5、将S3中计算得到的产品热度指数与所述产品热度信息数据库进行匹配，确定产品的热度等级；例如，产品热度指数为55，由表2可知该产品的热度等级为三级。
S6、将产品的热度等级与所述产品推广计划数据库进行匹配，确定产品的后续推广计划并展示，例如，设定的上限阈值为二级，当产品热度等级为一级时，则认为该产品为产品热度，对应的推广计划则增加库存并提供促销活动。
实施例
一种基于卷积神经网络的产品热度分析系统，所述系统包括：
数据提取单元，用于获取产品预设时间内的销售数据，并在销售数据中提取用于评估产品热度的评估要素，并将评估要素发送；
数据预处理单元，用于接收数据获取单元发送的评估要素，并对不同属性的评估要素进行标准化数据预处理，并根据预设时间排序，生成输入矩阵并发送；
热度特征数据库，用于储存热度指数和与热度指数相对应的特征矩阵；
产品热度信息数据库，用于储存产品热度指数和与所述产品热度指数相对应的产品热度等级；
产品推广计划数据库，用于储存所述产品热度等级和与所述产品热度等级相对应的产品后续推广计划；
数据计算单元，用于接收数据预处理单元发送的输入矩阵，并利用预先训练的卷积神经网络对输入矩阵进行特征识别，得到产品的特征矩阵；并将产品的特征矩阵与热度特征数据库进行匹配，得到与特征矩阵相对应的热度指数；将所述热度指数与产品热度信息数据库进行匹配，得到与热度指数相对应的热度等级；将所述热度等级与产品推广计划数据库进行匹配，得到与热度等级相对应的产品后续推广计划，并将产品热度等级和产品后续推广计划发送；
显示单元，用于接收数据计算单元发送的产品热度等级和产品后续推广计划并向管理人员展示。
前述实施例一中的基于卷积神经网络的产品热度分析方法的各种变化方式和具体实施例同样适用于本实施例的基于卷积神经网络的产品热度分析系统,通过前述对基于卷积神经网络的产品热度分析方法的详细描述,本领域技术人员可以清楚的知道本实施例中基于卷积神经网络的产品热度分析系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本申请还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连，计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (9)

1.一种基于卷积神经网络的产品热度分析方法，其特征在于，所述方法包括：
获取产品预设时间内的销售数据；
对所述销售数据进行要素提取，获得产品的评估要素；
将评估要素录入预设的产品热度分析模型中，计算得出产品热度指数；
构建产品热度信息数据库与产品推广计划数据库；
将根据所述产品热度分析模型计算得到的产品热度指数与所述产品热度信息数据库进行匹配，确定产品的热度等级；
将产品的热度等级与所述产品推广计划数据库进行匹配，确定产品的后续推广计划并展示；
所述产品热度分析模型对评估要素的计算包括以下方法：
获取评估要素；
对评估要素进行数据预处理，并生成输入矩阵；
通过预先训练的卷积神经网络对输入矩阵进行卷积运算，计算得到特征矩阵；
建立热度特征数据库；
将特征矩阵与热度特征数据库进行匹配，得到与特征矩阵相对应的热度指数。
2.如权利要求1所述的一种基于卷积神经网络的产品热度分析方法，其特征在于，其中所述产品热度信息数据库包括与所述产品热度指数相对应的产品热度等级；所述产品推广计划数据库包括与所述产品热度等级相对应的产品后续推广计划。
3.如权利要求2所述的一种基于卷积神经网络的产品热度分析方法，其特征在于，评估要素包括产品型号、店铺周销售额、产品周销售额、店铺周利润、产品周利润和库存可售周数。
4.如权利要求1所述的一种基于卷积神经网络的产品热度分析方法，其特征在于，所述热度特征数据库包括热度指数和与热度指数相对应的特征矩阵，所述热度特征数据库的建立是由不同销售热度的产品销售数据通过要素提取、数据预处理和卷积运算得到的。
5.如权利要求1所述的一种基于卷积神经网络的产品热度分析方法，其特征在于，采用k最近邻算法对所述产品热度指数与所述产品热度信息数据库进行匹配。
6.如权利要求4所述的一种基于卷积神经网络的产品热度分析方法，其特征在于，所述数据预处理通过计算产品的销售占比、产品的利润占比、产品的利润占比与该产品的销售占比的比值、产品库存可售周数和产品的总利润值进行系统化赋值。
7.一种基于卷积神经网络的产品热度分析系统，其特征在于，所述系统包括：
数据提取单元，用于获取产品预设时间内的销售数据，并在销售数据中提取用于评估产品热度的评估要素，并将评估要素发送；
数据预处理单元，用于接收数据获取单元发送的评估要素，并对不同属性的评估要素进行标准化数据预处理，并根据预设时间排序，生成输入矩阵并发送；
热度特征数据库，用于储存热度指数和与热度指数相对应的特征矩阵；
产品热度信息数据库，用于储存产品热度指数和与所述产品热度指数相对应的产品热度等级；
产品推广计划数据库，用于储存所述产品热度等级和与所述产品热度等级相对应的产品后续推广计划；
数据计算单元，用于接收数据预处理单元发送的输入矩阵，并利用预先训练的卷积神经网络对输入矩阵进行特征识别，得到产品的特征矩阵；并将产品的特征矩阵与热度特征数据库进行匹配，得到与特征矩阵相对应的热度指数；将所述热度指数与产品热度信息数据库进行匹配，得到与热度指数相对应的热度等级；将所述热度等级与产品推广计划数据库进行匹配，得到与热度等级相对应的产品后续推广计划，并将产品热度等级和产品后续推广计划发送；
显示单元，用于接收数据计算单元发送的产品热度等级和产品后续推广计划并向管理人员展示。
8.一种基于卷积神经网络的产品热度分析电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-6中任一项所述方法中的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述方法中的步骤。
CN202310836766.2A 2023-07-10 2023-07-10 基于卷积神经网络的产品热度分析方法和系统 Active CN116862561B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310836766.2A CN116862561B (zh) 2023-07-10 2023-07-10 基于卷积神经网络的产品热度分析方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310836766.2A CN116862561B (zh) 2023-07-10 2023-07-10 基于卷积神经网络的产品热度分析方法和系统

Publications (2)

Publication Number Publication Date
CN116862561A CN116862561A (zh) 2023-10-10
CN116862561B true CN116862561B (zh) 2024-01-26

Family

ID=88222991

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310836766.2A Active CN116862561B (zh) 2023-07-10 2023-07-10 基于卷积神经网络的产品热度分析方法和系统

Country Status (1)

Country Link
CN (1) CN116862561B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10307808A (ja) * 1997-05-07 1998-11-17 Nri & Ncc Co Ltd 商品の流行予測を加味した売上予測装置及びその予測方法
CN110599100A (zh) * 2019-09-18 2019-12-20 秒针信息技术有限公司 商品的仓库货位推荐方法及装置
CN111275514A (zh) * 2020-01-07 2020-06-12 载信软件(上海)有限公司 一种智能采购方法及系统、存储介质和电子装置
CN112686688A (zh) * 2020-12-08 2021-04-20 江苏天智互联科技股份有限公司 一种基于云服务的新零售销售平台
CN114065018A (zh) * 2020-08-06 2022-02-18 顺丰科技有限公司 商品热度的确定方法、装置、电子设备及计算机可读存储介质
CN114092128A (zh) * 2021-09-29 2022-02-25 杭州拼便宜网络科技有限公司 促销价格生成方法、装置、设备和存储介质
CN114092194A (zh) * 2021-11-25 2022-02-25 中邮信息科技(北京)有限公司 一种产品推荐方法、装置、介质及设备
CN114119136A (zh) * 2021-10-29 2022-03-01 中国工商银行股份有限公司 一种产品推荐方法、装置、电子设备和介质
CN115249164A (zh) * 2021-04-27 2022-10-28 中国移动通信集团有限公司 商品的推荐方法、装置、电子设备及存储介质
CN115760277A (zh) * 2022-11-04 2023-03-07 武汉火品科技有限公司 一种基于直播技术的电商营销系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102412461B1 (ko) * 2020-09-02 2022-06-22 이현정 상품의 비주얼 스키마를 이용한 수요 예측 방법 및 그 시스템

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10307808A (ja) * 1997-05-07 1998-11-17 Nri & Ncc Co Ltd 商品の流行予測を加味した売上予測装置及びその予測方法
CN110599100A (zh) * 2019-09-18 2019-12-20 秒针信息技术有限公司 商品的仓库货位推荐方法及装置
CN111275514A (zh) * 2020-01-07 2020-06-12 载信软件(上海)有限公司 一种智能采购方法及系统、存储介质和电子装置
CN114065018A (zh) * 2020-08-06 2022-02-18 顺丰科技有限公司 商品热度的确定方法、装置、电子设备及计算机可读存储介质
CN112686688A (zh) * 2020-12-08 2021-04-20 江苏天智互联科技股份有限公司 一种基于云服务的新零售销售平台
CN115249164A (zh) * 2021-04-27 2022-10-28 中国移动通信集团有限公司 商品的推荐方法、装置、电子设备及存储介质
CN114092128A (zh) * 2021-09-29 2022-02-25 杭州拼便宜网络科技有限公司 促销价格生成方法、装置、设备和存储介质
CN114119136A (zh) * 2021-10-29 2022-03-01 中国工商银行股份有限公司 一种产品推荐方法、装置、电子设备和介质
CN114092194A (zh) * 2021-11-25 2022-02-25 中邮信息科技(北京)有限公司 一种产品推荐方法、装置、介质及设备
CN115760277A (zh) * 2022-11-04 2023-03-07 武汉火品科技有限公司 一种基于直播技术的电商营销系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Market revenue prediction and error analysis of products based on fuzzy logic and artificial intelligence algorithms;Zhao Jian 等;《Journal of Ambient Intelligence and Humanized Computing》;第11卷;第4011-4018页 *
商品属性的情感表达与商品销售热度的相关性研究;阮光册 等;《图书情报工作》;第61卷(第22期);第13-19页 *
基于大数据的互联网产品营销模型研究与实施;陈冬旭;《中国新通信》;第21卷(第12期);第140-142页 *

Also Published As

Publication number Publication date
CN116862561A (zh) 2023-10-10

Similar Documents

Publication Publication Date Title
CN111008858B (zh) 一种商品销量预测方法及系统
CN110704730B (zh) 基于大数据的产品数据推送方法、系统及计算机设备
US20210103858A1 (en) Method and system for model auto-selection using an ensemble of machine learning models
US20070124236A1 (en) Credit risk profiling method and system
CN107689008A (zh) 一种用户投保行为预测的方法及装置
EP4242955A1 (en) User profile-based object recommendation method and device
CN113743971B (zh) 一种数据处理方法和装置
CN110070382B (zh) 用于生成信息的方法和装置
EP3371764A1 (en) Systems and methods for pricing optimization with competitive influence effects
US20200012984A1 (en) System and method for supply chain optimization
CN113570437A (zh) 一种产品推荐方法和装置
CN114782201A (zh) 股票推荐方法、装置、计算机设备和存储介质
CN114581249A (zh) 基于投资风险承受能力评估的金融产品推荐方法及系统
CN110796379B (zh) 业务渠道的风险评估方法、装置、设备及存储介质
Belomestny et al. Semitractability of optimal stopping problems via a weighted stochastic mesh algorithm
CN116862561B (zh) 基于卷积神经网络的产品热度分析方法和系统
CN109145207B (zh) 一种基于分类指标预测的信息个性化推荐方法及装置
KR20140146437A (ko) 특허정보를 이용한 기업성과 예측 장치 및 방법
KR102340867B1 (ko) 수산물의 판매량을 추정하기 위한 전자 장치, 방법, 및 컴퓨터 판독가능 매체
CN115713389A (zh) 理财产品推荐方法及装置
CN111242341A (zh) 一种线路定价方法、装置、设备和存储介质
CN115293867A (zh) 财务报销用户画像优化方法、装置、设备及存储介质
CN111400413B (zh) 一种确定知识库中知识点类目的方法及系统
CN114565470A (zh) 基于人工智能的金融产品推荐方法、及其相关设备
CN117113613A (zh) 一种数据处理方法及装置

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