基于神经网络的电商评论投票的社交系统技术方案

本发明专利技术公开了基于神经网络的电商评论投票的社交系统，包括数据采集系统、数据处理系统和数据应用系统，所述数据采集系统的输出端与数据处理系统的输入端连接，所述数据处理型的输出端与数据应用系统的输入端连接；所述数据采集系统包括原始数据的采集和用户数据的采集。本发明专利技术通过社交系统深度学习的非线性网络结构，主动捕捉用户的潜在特征，将量数据映射到统一维度，实现自动获取用户行为与其兴趣喜好潜在在联系，并借此预测未上线产品的用户潜在评分以及可能推荐情况，从而能够及时调整产品质量服务，实现对于用户消费心理的把握。实现对于用户消费心理的把握。实现对于用户消费心理的把握。

【技术实现步骤摘要】
基于神经网络的电商评论投票的社交系统


[0001]本专利技术涉及商品推荐
，尤其涉及基于神经网络的电商评论投票的社交系统。

技术介绍

[0002]随着科技的不断发展，社会信息化进程的加快，电子商务交易平台的不断完善，越来越多的人们通过网上购物的方式来获取自己所需的商品，商品的种类可以涉及到人们日常生活的方方面面，为人们生活提供了极大的便利，由于现在各个电商平台上的商品种类繁多，用户在购物时，往往需要花费大量的时间进行挑选才能找到自己需要的商品，因此各个商家为了保证用户体验，均提供了针对用户的个性化推送服务。
[0003]现有常用的分为被动推荐和主动推荐两种系统。主动推荐是根据使用者的消费、浏览、评分等历史纪录数据进行推荐工作，通过算法预测用户的兴趣点，进行对应的推荐。被动推荐则需要具备相应的知识内容进行产品的过滤，同时强烈依赖用户的评分信息。
[0004]目前常用的技术是内容过滤算法以及协同过滤算法。前者通过使用者的多次浏览以及注重浏览情况，对客户进行筛选与分类，优势是专注于对用户关注产品的内容和描述，能够快速筛选用户所需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于神经网络的电商评论投票的社交系统，包括数据采集系统、数据处理系统和数据应用系统，其特征在于，所述数据采集系统的输出端与数据处理系统的输入端连接，所述数据处理型的输出端与数据应用系统的输入端连接；所述数据采集系统包括原始数据的采集和用户数据的采集；所述数据处理系统包括自组织神经网络模型和多元特征词向量结构模型，所述自组织神经网络模型的输出端与多元特征词向量结构模型的输入端通过联络矩阵链接；所述数据应用系统包括对处理已有产品数据、预测新产品得分、用户购物需求的抓取和用户购物需求的推荐；所述原始数据输出端与自组织神经网络模型的输入端连接，所述用户数据的的输出端与多元特征词向量结构模型的输入端连接。2.根据权利要求1所述的基于神经网络的电商评论投票的社交系统，其特征在于，所述原始数据包括用户对己购产品的评论投票数据和用户对己购产品服务意向数据。3.根据权利要求1所述的基于神经网络的电商评论投票的社交系统，其特征在于，所述用户数据包括用户性别、用户的年龄、收入水平、地理位置、生活方式和用户搜索浏览记录。4.根据权利要求1所述的基于神经网络的电商评论投票的社交系统，其特征在于，所述原始数据输出端与自组织神经网络模型的输入端连接通过定量接口链接。5.根据权利要求1所述的基于神经网络的电商评论投票的社交系统，其特征在于，所述自组织神经网络模型的处理过程包括以下步骤：步骤1：利用SOM模型监督式学习，根据评分值对产品进行分类；步骤2：训练SOM模型对已有的产品数据进行评分；步骤3：然后预测新产品数据评分。6.根据权利要求1所述的基于神经网络的电商评论投票的社交系统，其特征在于，所述多元特征词向量结构模型的处理过程为通过实现注意力机制给编码层输出编码分配权重，来获取有效的局部信息和减少噪音数据的影响。7.根据权利要求5所述的基于神经网络的电商评论投票的社交系统，其特征在于，所述步骤1中将动态维护L个产品的属性数量的拓扑结构，||C
il
‑
Wv
BMU
||＝min
k
{||C
il
‑
W
vk
||}
ꢀꢀꢀ
(1.1)Wv(t+1)＝Wv(t)+θ(t)α(t)(C
il
(t)
‑
Wv(t))
ꢀꢀꢀ
(1.2)上式中C
il
表示实例i的标准l的目标输入向量，Wv表示当前权重向量，BMU为与输入向量C
il
具有最近欧几里德距离的神经元，θ(t)是受限于BMU距离的领域函数，α(t)是时间限制因子，t为当前时问游标。8.根据权利要求5所述的基于神经网络的电商评论投票的社交系统，其特征在于，所述步骤2中训练SOM模型对已有的产品数据进...

【专利技术属性】
技术研发人员：李宇飞，李玉秀，
申请(专利权)人：深圳市网睿科技有限公司，
类型：发明
国别省市：