广东原昇信息科技有限公司专利技术

广东原昇信息科技有限公司共有14项专利

  • 本发明公开了一种信息流素材创意文本的特征提取方法,包括复杂网络的文本表示、特征词相关度的计算和特征词的权重计算,本发明弥补了特征项的共现频次局限于单个文本的不足,考虑特征项在类内的词频、共现频次等方面的不同,从词频的角度对特征项之间的关...
  • 本公开提供了一种访客行为指标的效果影响因子权重判定方法,包括以下步骤:A、将访客行为指标划分为抵达率、浏览量、跳出率、转化率四类数据,统计每类数据的效果影响因子;B、建立任意两类数据的关联函数;C、建立判定矩阵;D、使用步骤B中的关联函...
  • 本发明公开了一种信息流素材创意图片的分类方法,首先搜索该测试图像在每个环中最优或算法所能达到的最优位置,对于每个环,测试图像会插入使熵增加最小的位置,再通过比较所有环的熵增量,测试图片会添加到熵值增加最小的环所代表的分组即分类中,本发明...
  • 本发明公开了一种客户满意度指标权重计算方法,包括构建客户满意度指标体系、获得广告客户满意度进行对比,采用权重计算方法评价客户满意度,本发明的方法评价指标体系使客户满意度评价更系统;运用层次分析法确定各评价因子的权重系数,减少主观因素的影...
  • 本公开提供了一种访客行为数据转化率的动态预测方法,包括以下步骤:A、抓取访客行为数据与转化结果数据的历史记录;B、建立访客行为数据与转化结果数据的函数关系;C、将访客行为数据与转化结果数据的函数关系矩阵化,得到转化关系矩阵;D、根据转化...
  • 本发明公开了一种客户属性离散化指标的无监督分类方法,包括以下步骤:A、对客户属性离散化指标进行收集,形成数据集合;B、对数据集合进行归一化处理,建立数据处理矩阵;C、提取数据处理矩阵的特征向量,确定分类维度;D、对数据处理矩阵进行迭代处...
  • 本发明公开了一种客户属性离散化指标转化率的静态预测方法,包括以下步骤:A、根据客户属性对网站点击转化率进行分类;B、将每一类网站点击转化率分解为各网页间链接点击率的概率矩阵;C、建立客户行为与客户属性的训练模型;D、将实时的客户行为输入...
  • 本发明公开了一种信息流素材创意文本的分类方法,包括基于关联分析提取频繁特征词集合及其关联的训练文本和利用关联分析结果,确定待分类文本的初始近邻并确定最终的近邻数k,再基于近邻类别进行文本分类,本发明在执行分类时大大降低了时间复杂度,且能...
  • 本公开提供了一种基于NLP和企业信息的智能造词方法,包括以下步骤:A、建立数据库中文本元素之间的关联度统计表,并根据文本元素的使用频率对关联度统计表进行实时更新;B、建立数据库中文本元素的匹配函数,使用匹配函数对文本元素进行匹配造词,匹...
  • 本发明公开了一种SEM关键词投放决策方法,包括以下步骤:A、抓取与目标产品直接相关和间接相关的关键词投放结果;B、对于直接相关的关键词投放结果,根据客户在线咨询量进行降序排序;C、对于间接相关的关键词投放结果,根据其投放点击率、投放转化...
  • 本发明公开了一种实时SEM关键词转化效果分析系统,包括捕获模块,用于捕获访客通过搜索引擎跳转到推广页面的请求;记录模块,用于记录访客在推广页面上的访问记录;筛选模块,用于在访问记录中筛选出通过投放关键词进行成功转化的访问记录;分析模块,...
  • 本发明公开了一种基于大数据的关键词效果分析方法,包括以下步骤:A、将出现关键词进行记录,同时对使用相应关键词进行检索的结果进行记录;B、将归属于同一关键词的不同浏览路径归为一组,将相似度大于第一阈值的浏览路径进行合并,统计不同浏览路径的...
  • 本发明公开了一种SEM投放数据分类系统,包括数据库模块,用于存储投放数据信息;数据投放模拟模块,用于模拟数据投放过程并收集投放反馈信息;特征提取模块,用于在收集的反馈信息中进行特征提取;特征处理模块,用于对提取的特征进行关联性处理;分类...
  • 本发明公开了一种基于深度学习的访客搜索行为特征提取方法,包括以下步骤:A、记录访客搜索访问的历史记录,并根据搜索关键词的先后顺序建立搜索记录矩阵T,在搜索记录矩阵T中每个搜索关键词均关联有与前一次搜索关键词的逻辑关系、本次关键词搜索结果...
1