新零售模式下基于多模态数据的消费者标签预测方法技术

本发明专利技术公开了一种新零售模式下基于多模态数据的消费者标签预测方法，其包括：通过感官模态特征提取器对多感官模态信息进行特征提取，得到伪标签序列，多感官模态信息至少包括嗅觉模态信息和感觉模态信息；通过基于卷积神经网络的跨模态原型网络生成用于表示用户与卷烟间的交叉关系的用户

【技术实现步骤摘要】
新零售模式下基于多模态数据的消费者标签预测方法


[0001]本专利技术涉及卷烟推荐
，尤其涉及一种新零售模式下基于多模态数据的消费者标签预测方法。

技术介绍

[0002]在新零售背景下，卷烟商品营销需要运用新理念、利用新技术、采用新模式帮助卷烟零售终端实现快速转型升级，更好地树立卷烟消费服务新形象。结合大数据、人工智能、深度学习等技术手段让消费者标签实现精准营销是智能化新零售创新模式。
[0003]消费者标签，内容通过消费者信息特征生成的关键字“标签”连接起来，并且由特定标签可实现营销精准预测。当前卷烟商品零售形式过程中存在以下问题：卷烟标签的精准营销缺失；智能化新零售程度较低；烟草商业企业与零售终端存在信息阻塞；卷烟零售过程缺乏多模态信息交互。
[0004]因此，亟需一种新零售模式下基于多模态数据的消费者标签预测方法。

技术实现思路

[0005]本专利技术的目的是提供一种新零售模式下基于多模态数据的消费者标签预测方法，以解决上述现有技术中的问题，能够将多模态中难以利用的嗅觉与感觉的模态信息与消费者信息进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新零售模式下基于多模态数据的消费者标签预测方法，其特征在于，包括：通过感官模态特征提取器对多感官模态信息进行特征提取，得到消费者伪标签序列，所述多感官模态信息至少包括嗅觉模态信息和感觉模态信息；通过基于卷积神经网络的跨模态原型网络生成用户
‑
卷烟交叉特征，其中，所述用户
‑
卷烟交叉特征用于表示用户与卷烟间的交叉关系；将所述消费者伪标签和所述用户
‑
卷烟交叉特征输入基于Transformer翻译模型的多模态协调器，得到消费者预测标签。2.根据权利要求1所述的新零售模式下基于多模态数据的消费者标签预测方法，其特征在于，所述通过感官模态特征提取器对多感官模态信息进行特征提取，得到消费者伪标签序列，具体包括：利用伪标签生成跨模态原型，为每个嗅觉模态信息和感觉模态信息的感官文本生成一个伪标签，由所有感官文本对应的伪标签组成消费者伪标签序列。3.根据权利要求2所述的新零售模式下基于多模态数据的消费者标签预测方法，其特征在于，所述利用伪标签生成跨模态原型，为每个嗅觉模态信息和感觉模态信息的感官文本对生成一个伪标签，具体包括：利用自动标记器构建伪标签生成跨模态原型；利用伪标签生成跨模态原型，对每个嗅觉模态信息和感觉模态信息的感官文本进行嵌入表示，生成一个伪标签，得到伪标签集合R：其中，w
i
表示伪标签中的第i
th
个单词，n
r
表示伪标签中的单词数；利用伪标签器进行特征提取，并通过以下公式得到伪标签中的第i
th
个单词的预测结果，其中，y
i
∈{0,1}表示对i
th
范畴的预测结果，f(
·
)表示伪标签器，在同一向量空间中，通过f(
·
)表示伪标签器生成对某一文本的负样本标签向量。4.根据权利要求1所述的新零售模式下基于多模态数据的消费者标签预测方法，其特征在于，所述通过基于卷积神经网络的跨模态原型网络生成用户
‑
卷烟交叉特征，其中，所述用户
‑
卷烟交叉特征用于表示用户与卷烟间的交叉关系，具体包括：将用户信息与卷烟信息进行嵌入表示，得到用户
‑
卷烟交叉特征矩阵；将所述用户
‑
卷烟交叉特征矩阵进行卷积操作；将每个卷积层的卷积结果输入全连接层，得到所述用户
‑
卷烟交叉特征；根据所述用户
‑
卷烟交叉特征，计算伪标签与真实标签间的误差。5.根据权利要求4所述的新零售模式下基于多模态数据的消费者标签预测方法，其特征在于，...

【专利技术属性】
技术研发人员：周家贤，蒲雪松，郭梁，刘志，梁筱雨，马宗泽，王家寿，曾建新，李中华，唐峻，李欣明，杨传真，李淳，赵桂艳，甘志雄，苏杨，
申请(专利权)人：云南中烟工业有限责任公司，
类型：发明
国别省市：