【技术实现步骤摘要】
基于LSTM模型的商机推荐方法、系统、电子设备及介质
本专利技术涉及深度学习
，具体涉及一种基于LSTM模型的商机推荐方法、系统、电子设备及介质。
技术介绍
公司人员人工筛选出的目标客户和目标客户的需求，然后推送给销售人员的过程，称为商机推荐过程。现有推荐方式基于业务逻辑和经验，设置不同的商机推送规则，以在不同的场景下为用户推送相应的商机。但现有的商机推荐方式主要存在两个方面的问题：1、目标用户的挖掘方式，主要为人力通过一定规则和经验进行挖掘，耗时耗力，并且用户的覆盖面有局限，会流失大部分潜在目标用户。2、预测目标用户的商机方式，主要为人力通过一定规则和经验进行推荐，推荐的商机种类比较单一，并且预测的准确率较低，导致销售人员转化率较低。
技术实现思路
针对上述技术缺陷，本专利技术实施例的目的在于提供一种基于LSTM模型的商机推荐方法、系统、电子设备及介质。为实现上述目的，第一方面，本专利技术实施例提供了一种基于LSTM模型的商机推荐方法，包括：获取待处理数据，...
【技术保护点】
1.一种基于LSTM模型的商机推荐方法，其特征在于，包括：/n获取待处理数据，所述待处理数据包括用户的历史浏览行为数据、用户的短期咨询行为数据和用户的历史订单行为数据；/n对用户的历史浏览行为数据、用户的短期咨询行为数据和用户的历史订单行为数据进行处理，以得到LSTM模型数据集、CFR模型数据集和Lambdamart模型数据集；/n将所述LSTM模型数据集输入预先训练的LSTM模型，预测得到目标用户和非目标用户；/n针对每一所述目标用户，调用其对应的所述CFR模型输入数据集，并将所述CFR模型数据集输入预设的CFR模型，预测得到每一目标用户感兴趣的商机初步排序；/n针对每一...
【技术特征摘要】
1.一种基于LSTM模型的商机推荐方法，其特征在于，包括：
获取待处理数据，所述待处理数据包括用户的历史浏览行为数据、用户的短期咨询行为数据和用户的历史订单行为数据；
对用户的历史浏览行为数据、用户的短期咨询行为数据和用户的历史订单行为数据进行处理，以得到LSTM模型数据集、CFR模型数据集和Lambdamart模型数据集；
将所述LSTM模型数据集输入预先训练的LSTM模型，预测得到目标用户和非目标用户；
针对每一所述目标用户，调用其对应的所述CFR模型输入数据集，并将所述CFR模型数据集输入预设的CFR模型，预测得到每一目标用户感兴趣的商机初步排序；
针对每一所述目标用户，调用其对应的所述Lambdamart模型数据集，并将商机初步排序和所述Lambdamart模型数据集输入预设的Lambdamart模型，得到每个目标用户的商机最终排序；
将用户ID和所述商机最终排序分发至不同的业务部门。
2.如权利要求1所述的商机推荐方法，其特征在于，获取待处理数据具体包括：
从hbase拉取用户的历史浏览行为数据；
从mysql数据库拉取用户的短期咨询行为数据和用户的历史订单行为数据。
3.如权利要求1所述的商机推荐方法，其特征在于，得到LSTM模型数据集、CFR模型数据集和Lambdamart模型数据集，具体包括：
对用户的历史浏览行为数据、用户的短期咨询行为数据和用户的历史订单行为数据进行去噪和标准化处理，并以用户ID作为关联信息对三种行为数据进行整合，分别形成LSTM模型数据集、CFR模型数据集和Lambdamart模型数据集。
4.如权利要求1所述的商机推荐方法，其特征在于，得到CNN模型数据集之后，所述方法还包括训练LSTM模型，具体为：
通过LSTM模型数据集调用deeplearning4j工具包的lstm接口进行训练，生成LSTM模型。
5.一种基于LSTM模型的商机推荐系统，其特征在于，包括：
获取模块，用于获取待处理数据，所述待处理数据包括用户的历史浏览行为数据、用户的短期咨询行为数据和用户的历史订单行为数据；
处理模块，用于对用户的历史浏览行为数据、...
【专利技术属性】
技术研发人员：谭光柱，周冲，易未，张文平，
申请(专利权)人：猪八戒股份有限公司，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。