一种商品选品方法、系统及计算机可读存储介质技术方案

本发明专利技术公开一种商品选品方法、系统及计算机可读存储介质，所述商品选品方法包括：根据预先获得的按照商品类别分类的商品特征历史数据和用户群偏好历史数据，确定影响商品销量的特征属性数据；将所述特征属性数据划分为多个维度特征；根据预设的每个维度特征的得分规则，对多个维度特征的特征属性数据进行训练建模，得到该商品类别的商品评分模型；根据所述多个维度特征，提取该商品类别中目标商品的多个维度特征数据；根据所述多个维度特征数据和所述商品评分模型确定所述目标商品在目标平台的推荐分数。通过本发明专利技术有效解决现有的商品选品主要依靠人的经验和主观评分，导致缺少选品决策数据支持、人为干预和主观影响较大的问题。

【技术实现步骤摘要】
一种商品选品方法、系统及计算机可读存储介质
本专利技术涉及人工智能领域，主要涉及一种商品选品方法、系统及计算机可读存储介质。
技术介绍
随着大数据时代的到来，智能预测成为科学
的一大发展趋势。如何根据现有的数据，结合机器学习和深度学习的方法，预测未来的可能性和发展，成为很多企业迫切需要解决的问题之一。商品选品是无论电商领域还是电购领域的关键点之一，选择好商品，才会有好的销量，收获更多的用户，为企业建立好的形象。
技术实现思路
本专利技术实施例中提供一种商品选品方法、系统及计算机可读存储介质，用以解决现有的商品选品主要依靠人的经验和主观评分导致的缺少选品决策数据支持、人为干预和主观影响较大的问题。第一方面，本专利技术提供一种商品选品方法，所述商品选品方法包括：根据预先获得的按照商品类别分类的商品特征历史数据和用户群偏好历史数据，确定影响商品销量的特征属性数据；将所述特征属性数据划分为多个维度特征；根据预设的每个维度特征的得分规则，对多个维度特征的特征属性数据进行训练建模，得到该商品本文档来自技高网...

【技术保护点】
1.一种商品选品方法，其特征在于，所述商品选品方法包括：/n根据预先获得的按照商品类别分类的商品特征历史数据和用户群偏好历史数据，确定影响商品销量的特征属性数据；/n将所述特征属性数据划分为多个维度特征；/n根据预设的每个维度特征的得分规则，对多个维度特征的特征属性数据进行训练建模，得到该商品类别的商品评分模型；/n根据所述多个维度特征，提取该商品类别中目标商品的多个维度特征数据；/n根据所述多个维度特征数据和所述商品评分模型确定所述目标商品在目标平台的推荐分数。/n

【技术特征摘要】
1.一种商品选品方法，其特征在于，所述商品选品方法包括：
根据预先获得的按照商品类别分类的商品特征历史数据和用户群偏好历史数据，确定影响商品销量的特征属性数据；
将所述特征属性数据划分为多个维度特征；
根据预设的每个维度特征的得分规则，对多个维度特征的特征属性数据进行训练建模，得到该商品类别的商品评分模型；
根据所述多个维度特征，提取该商品类别中目标商品的多个维度特征数据；
根据所述多个维度特征数据和所述商品评分模型确定所述目标商品在目标平台的推荐分数。


2.根据权利要求1所述的商品选品方法，其特征在于，所述根据预设的每个维度特征的得分规则，对多个维度特征的特征属性数据进行训练建模，得到该商品类别的商品评分模型，包括：
根据所述每个维度特征的得分规则，采用多个机器学习算法对多个维度特征的特征属性数据进行分别训练建模，得到多个待评估评分模型；
在所述多个待评估评分模型中评估出准确度和AUC值最高的评分模型作为所述商品评分模型。


3.根据权利要求2所述的商品选品方法，其特征在于，所述根据所述每个维度特征的得分规则，采用多个机器学习算法对多个维度特征的特征属性数据进行分别训练建模，得到多个待评估评分模型，包括：
根据所述每个维度特征的得分规则和每个维度特征的权重，采用多个机器学习算法对多个维度特征的特征属性数据进行分别训练建模，得到多个待评估评分模型。


4.根据权利要求3所述的商品选品方法，其特征在于，所述商品选品方法还包括：
利用梯度下降方式对所述商品评分模型进行反向传播，更新每个维度特征的权重；所述反向传播包括：
通过迭代性处理调用所述商品评分模型输入层预测值与输出层真实值之间的关系；
从输出层、隐藏层和输入层构成的反方向来以最小化误差更新每个维度特征的权重。


5.根据权利要求2所述的商品选品方法，其特征在于，所述多个维度特征包括品牌属性、电商维度属性、用户群偏好属性、流行属性和利润率属性。<...

【专利技术属性】
技术研发人员：康悦，孔炯，周立峰，左春刚，
申请(专利权)人：北京环球国广媒体科技有限公司，
类型：发明
国别省市：北京;11