面向服装行业的用户行为分析系统技术方案

本发明专利技术公开了一种面向服装行业的用户行为分析系统。目前“互联网+制造”是国家的重要战略，其利用互联网信息技术与制造资源和制造过程相结合，打通所有生产环节的数据壁垒和管理壁垒。通过对互联网技术进行制造业的分析与管理，能够精准地根据消费者的不同需求组织和匹配制造资源，为消费者提供个性化制造服务的创新生产模式。通过互联网技术可以实现动态灵敏地根据消费者需求和市场变化组织和使用制造资源，促进企业优势互补，资源共享，降低成本及能耗，实现多方共赢。本发明专利技术的目的即为通过应用机器学习和数据挖掘技术进行用户行为分析，解决服装制造业目前所面临的快速响应和个性化需求的挑战。

【技术实现步骤摘要】
面向服装行业的用户行为分析系统
本专利技术涉及一种面向服装行业的用户行为分析系统，利用大数据分析和机器学习算法对服装行业，尤其是女装行业的相关企业的决策提供技术支持，并给出参考意见。
技术介绍
制造业面临的个性化需求及快速响应等挑战在服装行业尤为突出，因此服装制造业迫切需求进行“互联网+制造”的变革。本系统旨在通过应用机器学习和数据挖掘技术进行用户行为分析，解决服装制造业目前所面临的快速响应和个性化需求的挑战。
技术实现思路
本专利技术针对现有技术存在的问题和不足，提供一种面向服装行业的用户行为分析系统。本专利技术是通过下述技术方案来解决上述技术问题的：本专利技术建立了基于销售量时间序列和月份时间序列的双重输入特征的神经网络预测模型，同时将自然销售时间序列预测与统一月份历年销售时间序列预测两种方法相结合，提升了流行趋势预测模型的准确率和鲁棒性。本专利技术还通过词向量之间的相似度聚类划分出对目标促销产品有购买意愿的消费者，通过RFM模型进行聚类分析并建立了不同客户群体的价格反应函数。之后使用遗传算法对价格函数的最优解进行求解。本专利技术的意义在于：1、收集互联网上服装销售大数据，建立了服装本文档来自技高网...

【技术保护点】
1.一种面向服装行业的用户行为分析系统，其特征在于，其包括流行趋势预测系统和个性化定价系统，所述流行趋势预测系统包括数据获取模块、文本挖掘模块、数据预处理模块、指数平滑分析模块和神经网络预测模块，所述个性化定价系统包括基于内容推荐模块、RFM用户聚类模块和个性化定价模块；所述数据获取模块用于通过爬虫系统获取服装销售数据；所述文本挖掘模块用于针对每一条服装销售数据进行中文分词并采用关联规则挖掘出关系最紧密的商品关键词组合，对每一个商品关键词组合建立相应的时间序列；所述数据预处理模块用于对数据进行预处理，数据预处理分为：时间序列的建立、时间序列缺失数据的筛除、销售数据归一化、时间序列窗口长度的选择...

【技术特征摘要】
1.一种面向服装行业的用户行为分析系统，其特征在于，其包括流行趋势预测系统和个性化定价系统，所述流行趋势预测系统包括数据获取模块、文本挖掘模块、数据预处理模块、指数平滑分析模块和神经网络预测模块，所述个性化定价系统包括基于内容推荐模块、RFM用户聚类模块和个性化定价模块；所述数据获取模块用于通过爬虫系统获取服装销售数据；所述文本挖掘模块用于针对每一条服装销售数据进行中文分词并采用关联规则挖掘出关系最紧密的商品关键词组合，对每一个商品关键词组合建立相应的时间序列；所述数据预处理模块用于对数据进行预处理，数据预处理分为：时间序列的建立、时间序列缺失数据的筛除、销售数据归一化、时间序列窗口长度的选择、销售数据静态化、以及月份数据时间序列的建立；所述指数平滑分析模块用于通过指数平滑法基于时间序列的规律性，用过去的观测值的加权和对现有预测值进行预测；所述神经网络预测模块用于建立神经网络模型，拥有经指数平滑处理的销售时间序列和月份时间序列的数据特征作为输入，通过搭建相应的LSTM神经网络并进行参数的调整，最终使用RMSE/MAPE指标进行准确性的度量；所述基于内容推荐模块用于利用词向量完成，通过对输出的产品关键词特征组合和销售数据商品标题建立词向量，并计算销售数据商品标题与输出的产品关键词特征组合的相似度，来区分销售数据中的消费者是否对输出的产品会感兴趣；所述RFM用户聚类模块用于通过四个指标建立RFM模型，四个指标为最近一次消费、消费频率、最近一段时间消费金额、购买历史时间长度的指标，四个指标的数据纬度分别为用户名称、时间跨度内消费次数、消费平均金额、时间跨度内最后消费时间、总消费历史时间长度，采用Calinski进行聚类有效性的评估以确定好聚类数目，之后按照聚类结果中各个指标与总体评价指标的对比来划分各个用户群的属性和级别；所述个性化定价模块用于针对每一用户群体的属性寻找到针对该用户群体的最优产品价格。2.如权利要...

【专利技术属性】
技术研发人员：王伟，张文毅，
申请(专利权)人：江阴逐日信息科技有限公司，
类型：发明
国别省市：江苏,32