一种基于人工智能的电子商务数据信息处理方法及系统技术方案

本发明专利技术涉及电子商务领域，特别是一种基于人工智能的电子商务数据信息处理方法及系统

【技术实现步骤摘要】
一种基于人工智能的电子商务数据信息处理方法及系统


[0001]本专利技术涉及电子商务领域，特别是一种基于人工智能的电子商务数据信息处理方法及系统
。

技术介绍

[0002]电子商务领域不断取得新的发展成果，传统商业模式出现重大变革，市场信息量呈现出十分迅猛的发展势头，属于电商的黄金发展时代已经悄然来临
。
面对这种发展情况，更加高效的从海量信息中提取出有价值信息，以此为基础，能够产生更为可观的企业效益，人工智能技术由此成为当代电商企业高度重视的领域，市场竞争变得更为剧烈
。
人工智能技术属于现代化智能领域内的关键组成部分，因此如何利用人工智能技术提升对电子商务数据处理的效率，提升电子商务数据利用程度，以代替人工更快做出营销策略，进而提高电子商务系统中商品的销售金额是现阶段丞待解决的技术问题
。

技术实现思路

[0003]本专利技术的目的是为了解决上述问题，设计了一种基于人工智能的电子商务数据信息处理方法及系统
。
[0004]实现上述目的本专利技术的技术方案为，进一步，在上述一种基于人工智能的电子商务数据信息处理方法中，所述电子商务数据信息处理方法包括以下步骤：获取电子商务系统中的电子商务数据信息，对所述电子商务数据信息进行数据预处理，得到历史电子商务数据信息；根据历史电子商务数据信息获取电子商务系统中已实施的历史商品营销策略数据和历史商品营销效果数据；通过纵向神经网络建立初始
XGBoost
纵向神经网络模型，将所述初始
XGBoost
纵向神经网络模型中的顶层网络的
ReLU
激活函数用
sigmoid
激活函数进行替代，得到第一
XGBoost
纵向神经网络模型；将所述历史商品营销策略数据和所述历史商品营销效果数据输入至所述第一
XGBoost
纵向神经网络模型中进行训练，得到目标
XGBoost
纵向神经网络模型；获取电子商务系统中的实时电子商务数据信息，将所述实时电子商务数据信息输入至所述目标
XGBoost
纵向神经网络模型中进行识别，得到实时商品营销策略数据；将所述实时商品营销策略数据输入至电子商务系统中进行实施，并获取实时营销结果数据，若所述实时营销结果数据小于营销阈值，则通过所述目标
XGBoost
纵向神经网络模型调整对应的实时商品营销策略数据
。
[0005]进一步，在上述电子商务数据信息处理方法中，所述获取电子商务系统中的电子商务数据信息，对所述电子商务数据信息进行数据预处理，得到历史电子商务数据信息，包括：获取电子商务系统中的电子商务数据信息，对所述电子商务数据信息中的缺失数
据进行缺失值处理，得到全值电子商务数据信息；利用中值滤波算法对所述全值电子商务数据信息进行归一化处理，得到归一化电子商务数据信息；基于决策树分类算法对所述归一化电子商务数据信息进行分类，得到历史电子商务数据信息；所述历史电子商务数据信息包括历史商品营销策略数据和历史商品营销效果数据
。
[0006]进一步，在上述电子商务数据信息处理方法中，所述根据历史电子商务数据信息获取电子商务系统中已实施的历史商品营销策略数据和历史商品营销效果数据，包括：根据历史电子商务数据信息获取电子商务系统中已实施的历史商品营销策略数据和历史商品营销效果数据；所述历史商品营销策略数据至少包括历史商品类型详情数据
、
历史商品销售金额数据
、
历史商品销售折扣数据
、
历史商品销售宣传数据；所述历史商品营销效果数据至少包括历史商品销售数量数据
、
历史用户消费金额数据
、
历史用户点击次数数据
、
历史用户加购次数数据
。
[0007]进一步，在上述电子商务数据信息处理方法中，所述通过纵向神经网络建立初始
XGBoost
纵向神经网络模型，将所述初始
XGBoost
纵向神经网络模型中的顶层网络的
ReLU
激活函数用
sigmoid
激活函数进行替代，得到第一
XGBoost
纵向神经网络模型，包括：通过纵向神经网络建立初始
XGBoost
纵向神经网络模型，所述初始
XGBoost
纵向神经网络模型至少包括输入层
、
输出层
、
池化层
、
全连接层；将所述初始
XGBoost
纵向神经网络模型中的顶层网络的
ReLU
激活函数用
sigmoid
激活函数进行替代；利用
MaskACC
卷积加速滤波器对所述初始
XGBoost
纵向神经网络模型的全连接层进行剪枝；基于
pailiar
同态加密算法对所述初始
XGBoost
纵向神经网络模型进行加密处理，得到目标
XGBoost
纵向神经网络模型
。
[0008]进一步，在上述电子商务数据信息处理方法中，所述获取电子商务系统中的实时电子商务数据信息，将所述实时电子商务数据信息输入至所述目标
XGBoost
纵向神经网络模型中进行识别，得到实时商品营销策略数据，包括：获取电子商务系统中的实时电子商务数据信息，将所述实时电子商务数据信息输入至所述目标
XGBoost
纵向神经网络模型中进行识别，得到实时商品营销策略数据；所述实时商品营销策略数据至少包括实时商品类型详情数据
、
实时商品销售金额数据
、
实时商品销售折扣数据
、
实时商品销售宣传数据
。
[0009]进一步，在上述电子商务数据信息处理方法中，所述将所述实时商品营销策略数据输入至电子商务系统中进行实施，并获取实时营销结果数据，若所述实时营销结果数据小于营销阈值，则通过所述目标
XGBoost
纵向神经网络模型调整对应的实时商品营销策略数据，包括：将所述实时商品营销策略数据输入至电子商务系统中进行实施，并获取实时营销结果数据；
所述实时营销结果数据至少包括实时商品销售数量数据
、
实时用户消费金额数据
、
实时用户点击次数数据
、
实时用户加购次数数据；若所述实时营销结果数据小于营销阈值，则通过所述目标
XGBoost
纵向神经网络模型调整对应的实时商品营销策略数据；若所述实时营销结果数据大于营销阈值，则保持实时商品营销策略数据不变，并在预设的时间段内监控所述实时营销结果数据；若所述实时营销结果数据有变化，则通过所述目标
XGBoost
纵向神经网络模型调整对应的实时商品营销策略数据；所述营销阈值包括历史商品销售数量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的电子商务数据信息处理方法，其特征在于，所述电子商务数据信息处理方法包括以下步骤：获取电子商务系统中的电子商务数据信息，对所述电子商务数据信息进行数据预处理，得到历史电子商务数据信息；根据历史电子商务数据信息获取电子商务系统中已实施的历史商品营销策略数据和历史商品营销效果数据；通过纵向神经网络建立初始
XGBoost
纵向神经网络模型，将所述初始
XGBoost
纵向神经网络模型中的顶层网络的
ReLU
激活函数用
sigmoid
激活函数进行替代，得到第一
XGBoost
纵向神经网络模型；将所述历史商品营销策略数据和所述历史商品营销效果数据输入至所述第一
XGBoost
纵向神经网络模型中进行训练，得到目标
XGBoost
纵向神经网络模型；获取电子商务系统中的实时电子商务数据信息，将所述实时电子商务数据信息输入至所述目标
XGBoost
纵向神经网络模型中进行识别，得到实时商品营销策略数据；将所述实时商品营销策略数据输入至电子商务系统中进行实施，并获取实时营销结果数据，若所述实时营销结果数据小于营销阈值，则通过所述目标
XGBoost
纵向神经网络模型调整对应的实时商品营销策略数据
。2.
如权利要求1所述的一种基于人工智能的电子商务数据信息处理方法，其特征在于，所述获取电子商务系统中的电子商务数据信息，对所述电子商务数据信息进行数据预处理，得到历史电子商务数据信息，包括：获取电子商务系统中的历史电子商务数据信息，对所述电子商务数据信息中的缺失数据进行缺失值处理，得到全值电子商务数据信息；利用中值滤波算法对所述全值电子商务数据信息进行归一化处理，得到归一化电子商务数据信息；基于决策树分类算法对所述归一化电子商务数据信息进行分类，得到历史电子商务数据信息；所述历史电子商务数据信息包括历史商品营销策略数据和历史商品营销效果数据
。3.
如权利要求1所述的一种基于人工智能的电子商务数据信息处理方法，其特征在于，所述根据历史电子商务数据信息获取电子商务系统中已实施的历史商品营销策略数据和历史商品营销效果数据，包括：根据历史电子商务数据信息获取电子商务系统中已实施的历史商品营销策略数据和历史商品营销效果数据；所述历史商品营销策略数据至少包括历史商品类型详情数据
、
历史商品销售金额数据
、
历史商品销售折扣数据
、
历史商品销售宣传数据；所述历史商品营销效果数据至少包括历史商品销售数量数据
、
历史用户消费金额数据
、
历史用户点击次数数据
、
历史用户加购次数数据
。4.
如权利要求1所述的一种基于人工智能的电子商务数据信息处理方法，其特征在于，所述通过纵向神经网络建立初始
XGBoost
纵向神经网络模型，将所述初始
XGBoost
纵向神经网络模型中的顶层网络的
ReLU
激活函数用
sigmoid
激活函数进行替代，得到第一
XGBoost
纵向神经网络模型，包括：
通过纵向神经网络建立初始
XGBoost
纵向神经网络模型，所述初始
XGBoost
纵向神经网络模型至少包括输入层
、
输出层
、
池化层
、
全连接层；将所述初始
XGBoost
纵向神经网络模型中的顶层网络的
ReLU
激活函数用
sigmoid
激活函数进行替代；利用
MaskACC
卷积加速滤波器对所述初始
XGBoost
纵向神经网络模型的全连接层进行剪枝；基于
pailiar
同态加密算法对所述初始
XGBoost
纵向神经网络模型进行加密处理，得到目标
XGBoost
纵向神经网络模型
。5.
如权利要求1所述的一种基于人工智能的电子商务数据信息处理方法，其特征在于，所述获取电子商务系统中的实时电子商务数据信息，将所述实时电子商务数据信息输入至所述目标
XGBoost
纵向神经网络模型中进行识别，得到实时商品营销策略数据，包括：获取电子商务系统中的实时电子商务数据信息，将所述实时电子商务数据信息输入至所述目标
XGBoost
纵向神经网络模型中进行识别，得到实时商品营销策略数据；所述实时商品营销策略数据至少包括实时商品类型详情数据
、
实时商品销售金额数据
、
实时商品销售折扣数据
、
实时商品销售宣传数据
。6.
如权利要求1所述的一种基于人工智能的电子商务数据信息处理方法，其特征在于，所述将所述实时商品营销策略数据输入至电子商务系统中进行实施，并获取实时营销结果数据，若所述实时营销结果数据小于营销阈值，则通过所述目标
...

【专利技术属性】
技术研发人员：张伟，
申请(专利权)人：深圳市焕想科技有限公司，
类型：发明
国别省市：