一种线下门店商品关联组合方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及一种线下门店商品关联组合方法、装置、设备及存储介质。本发明专利技术所述的一种线下门店商品关联组合方法通过获取线下购物数据，对每个订单中的商品信息基于关联规则与连续词袋模型规则，对每个数据集中进行元素匹配，计算商品之间的匹配度及匹配度之间的置信度，最终确定商品之间的关联规则、商品强关系规则和链式规则。最终找到商品之间的潜在相关规则，包括但不限于替代，捆绑。本发明专利技术一种线下门店商品关联组合方法具有克服了由于商品无共现关系而无法计算关联关系的优点。共现关系而无法计算关联关系的优点。共现关系而无法计算关联关系的优点。

【技术实现步骤摘要】
一种线下门店商品关联组合方法、装置、设备及存储介质


[0001]本专利技术涉及数据智能算法
，特别是涉及一种线下门店商品关联组合优化方法领域。

技术介绍

[0002]随着社会的进步，各种新商品不断涌现在我们的生活中，人们需要花更多的时间选择产品。对于企业这种趋势的出现既是挑战也是机遇，需要及时捕捉客户的需求，并适当采用恰当的销售策略，才能赢得更多的客户，较好的提高商品销量。其中一种重要的销量策略是商品组合销售，根据商品的购买数据，挖掘出购物行为中商品之间的相似性，向客户销售其感兴趣的商品组合，刺激客户的购买欲望。对于客户，一是帮助其快速发现感兴趣和高质量的商品，提升购物体验；二是减少客户发现自己所需商品所花费的精力。目前线下门店的组合销售方法主要是人为经验和关联规则算法，人为经验是按简单常理推测商品的关联性，如牙膏和牙刷进行捆绑销售或邻近陈列，确实能一定程度助力销量增长，但缺点是人为发现的规则较少或准确性不高。而关联规则算法从数据集中发现项与项之间的关系，主要流程是采集线下门店的客户购物篮数据，设定支持度阈值，从数据中查找出商品频繁项集，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种线下门店商品关联组合优化方法，其特征在于，包括：获取购物数据，并根据所述购物数据建立样本数据集；根据所述样本数据集，建立C1
‑
Ck项集，通过查找函数扫描数据集找到满足大于或等于最小支持度的频繁项集L1
‑
Lk，并生成商品关联规则；其中，Ck代表只含有k个元素的项集，Lk代表含有k个数据集的频繁项集，k为非负整数；所述商品关联规则包括一组商品之间的第一关联关系；以所述样本数据集为训练样本，通过连续词袋模型的词嵌入向量技术训练，输出分布式表示的商品向量；通过余弦相似度，计算每个商品的最相似商品，形成商品相似表；其中，所述商品相似表的每条记录对应一组商品强关系规则，所述商品强关系规则包括该组商品之间的第二关联关系；根据包括相同商品的所述商品关联规则的置信度和所述商品强关系规则的相似度，得到链式规则的置信度；如果所述链式规则的置信度大于预设的置信度阈值，则形成链式规则，其中，所述链式规则包括所述商品关联规则和所述商品强关系规则中的商品之间的第三关联关系。2.根据权利要求1所述的一种线下门店商品关联组合优化方法，其特征在于，通过查找函数扫描数据集找到满足不小于最小支持度的频繁项集L1
‑
Lk，并生成关联规则，具体包括如下步骤：将L1中的每个C1项集进行两两组合，并计算支持度，当支持度大于设定阈值时，认为该项是频繁项，并将该项作为L2中的元素，重复计算直至所有组合计算完成；在发现的最大频繁集，查找置信度大于或等于给定的阈值的项集，生成关联规则，其中：其中confidence(
→
y)为置信度，N(x)为频繁项集中包含元素x的项集总数，N(x&y)为N(x)中同时包含元素x和与元素y项集数量。3.根据权利要求2所述的一种线下门店商品关联组合优化方法，其特征在于，所述通过连续词袋模型的词嵌入向量技术训练，输出分布式表示的商品向量的具体步骤为：初始化模型参数θ和商品向量x
k
，通过负采样方法，得到neg个和p0不同的中心词p
i
；其中商品向量的维度为N，对于每一条记录样本，中心商品是p0，窗口为c，周围上下文共有2c个商品，记为context(p0)，而真实的正例记为(context(p0),p0)；对于训练集中的每一个样本(context(p0),p0,p1,
…
,p
neg
)，进行梯度上升迭代更新参数和向量过程；如果梯度收敛，则结束梯度迭代，更新参数和商品向量x
k
，否则继续迭代。4.根据权利要求3所述的一种线下门店商品关联组合优化方法，其特征在于：所述负采样方法是通过如下公式计算的，
其中P(p

【专利技术属性】
技术研发人员：关梓文，林沛欣，许洁斌，
申请(专利权)人：广州市玄武无线科技股份有限公司，
类型：发明
国别省市：