【技术实现步骤摘要】
基于CNN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CNN模型的商机推荐方法、系统、电子设备及介质。
技术介绍
服务平台型的公司,人为的从海量的数据库中筛选出目标客户,根据已有的经验和业务逻辑,然后推送给销售人员,称为商机推荐,即根据不同商机的推送关联规则,在不同场景下为用户推送最有可能的商机。现有的商机推荐方式主要存在两个方面的问题:1、用户挖掘方面:主要是业务人员通过业务逻辑和经验进行数据对最近的数据进行筛选,耗时耗力,并且用户的筛选的效果还不一定好,会流失大部分潜在目标用户。2、预测商机方面:主要为人力通过一定规则和经验进行推荐,推荐的商机种类主要看业务人员的经验储备,并且预测的准确率较低,导致销售人员的业绩转化率较低。
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CNN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CNN模型的商机推荐方法,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CNN模型数据集、CFR模型数据集和XGB模型输入数据集;将所述CNN模型数据集输入预先训练的CNN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 ...
【技术保护点】
1.一种基于CNN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CNN模型数据集、CFR模型数据集和XGB模型数据集;/n将所述CNN模型数据集输入预先训练的CNN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针对每一所述目标用户,调用其对应的所述XGB模型数据集,并将商机初步排序和所述XGB模型数据集输入预设的XGB模型,得到每个目标用户的商机最终排序;/n将用户ID和所述商机最终排序分发至不同的业务部门。/n
【技术特征摘要】
1.一种基于CNN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CNN模型数据集、CFR模型数据集和XGB模型数据集;
将所述CNN模型数据集输入预先训练的CNN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XGB模型数据集,并将商机初步排序和所述XGB模型数据集输入预设的XGB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CNN模型数据集、CFR模型数据集和XGB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CNN模型数据集、CFR模型数据集和XGB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CNN模型,具体为:
通过CNN模型数据集调用deeplearning4j工具包的cnn接口进行训练,生成CNN模型。
5.一种基于CNN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、用户的短期咨询行为数...
【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。