【技术实现步骤摘要】
本专利技术属于专门适用于管理的数据处理系统领域，具体的说是一种基于虚拟购物的管理智能分析方法及系统。
技术介绍
1、使用测试数据集对模型进行评估，并调整超参数以优化模型性能，此外，还可以使用混淆矩阵、准确率、召回率和f1得分等指标来评估模型的性能，预测和管理决策：使用训练好的模型对新的数据进行预测，并根据预测结果制定相应的管理决策，这种方法可以应用于各种领域，如供应链管理、人力资源管理、市场营销和财务分析等，例如可利用深度学习来准确预测客户对商品的需要种类，现有技术在进行预测时无法兼顾相似客户购买数据和本客户历史购买数据，从而导致采集数据中无用数据较多，进而导致预测准确度较差，现有技术中均存在上述问题；
2、例如在申请公布号为cn116739653a的中国专利中公开了一种销售数据采集分析系统及其方法，其首先获取历史销售数据，然后，使用基于深度学习的深度神经网络模型作为特征提取器，对历史月销售数据进行多尺度的提取分析和解码处理，用于判断是否需要增加产品库存，从而提高产品库存管理的精确性和效率。
3、以上专利均存在本
技术介绍
提出的问题：现有技术在进行预测时无法兼顾相似客户购买数据和本客户历史购买数据，从而导致采集数据中无用数据较多，进而导致预测准确度较差，为了解决这些问题，本申请设计了一种基于虚拟购物的管理智能分析方法及系统。
技术实现思路
1、针对现有技术的不足，本专利技术提出了一种基于虚拟购物的管理智能分析方法及系统，本专利技术设定购物周期，获取待选择客户在
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于虚拟购物的管理智能分析方法，其包括以下具体步骤：
4、s1、设定购物周期，获取待选择客户在平台的历史购物周期的购物种类数据，同时获取第一筛选客户在平台的历史购物周期的购物种类数据；
5、s2、将获取的待选择客户在平台的历史购物周期的购物种类数据和第一筛选客户在平台的历史购物周期的购物种类数据代入相似客户查找策略中进行相似客户的查找，同时进行相似客户相似值的计算；
6、s3、基于历史相似客户的在平台的本购物周期的购物种类数据、历史相似客户相似值和历史待选择客户在平台的历史购物周期的购物种类数据，构建预测待选择客户本购物周期购物商品种类概率的深度学习神经网络模型；
7、s4、获取待选择客户的相似客户在平台的购物种类数据、计算得到的相似客户相似值和待选择客户在平台的历史购物周期的购物种类数据导入构建的深度学习神经网络模型中，输出待选择客户本购物周期购物商品种类概率；
8、s5、按照输出的待选择客户本购物周期购物商品种类概率在显示界面降序显示对应商品种类供待选择客户选择。
9、具体的，所述s1包括以下具体步骤：
10、s11、根据待选择客户的购物时间间隔设定购物周期，这里的购物周期根据待选择客户的购物时间间隔设定，例如待选择客户平均三天进行平台购物一次，这里的购物周期设为三天，获取待选择客户在平台的历史购物周期的购物种类数据，所述购物种类数据包括购物商品的价格、购物商品的作用和购物商品的类别数据，将获取的待选择客户在平台的历史购物周期的购物种类数据以第一维向量的形式进行传输和储存，举例说明这里的第一维向量的形式，例如第一周期购买了衣物1件59元，那么这里的第一维向量的形式即为：衣物，59元，御寒装饰，装饰品；
11、s12、获取除了待选择客户之外的该购物周期在平台已购买商品的其他客户，设为第一筛选客户，获取第一筛选客户在平台的历史购物周期的购物商品的价格、购物商品的作用和购物商品的类别数据，且以第二维向量的形式进行传输和储存；
12、在此需要说明的是，这里的获取的客户的历史购物周期的购物商品的价格、购物商品的作用和购物商品的类别数据，仅仅在系统计算过程中使用，不进行入黑客入侵等的泄露方式不会泄露至外界，外部人员不进行网络攻击的前提下无法对客户的历史购物周期的购物商品的价格、购物商品的作用和购物商品的类别数据进行获得，故不用考虑其具体保密问题；
13、具体的，所述s2中的相似客户查找策略包括以下具体内容：
14、s21、提取获取的待选择客户在平台的历史购物周期的购物种类数据和第一筛选客户在平台的历史购物周期的购物种类数据；
15、s22、将提取的待选择客户在平台的历史购物周期的购物种类数据和第一筛选客户在平台的历史购物周期的购物种类数据代入相似客户相似值计算公式中进行相似客户相似值的计算，其中，相似客户相似值计算公式为：其中，n为历史周期数量，m为i周期的购物种类数量，a1为种类占比系数，a2为价格占比系数，z()为括号中元素的数量，exp()为e的幂次，ti为待选择客户在平台的第i个购物周期的购物商品的作用和购物商品的类别数据构成的集合，t′i为第一筛选客户在平台的对应第i个购物周期的购物商品的作用和购物商品的类别数据构成的集合，sij为待选择客户在平台第i个购物周期第j个购物商品的价格，s′ij为第一筛选客户在平台对应的第i个购物周期第j个购物商品的价格，其中，a1+a2＝1；
16、s23、提取计算得到的第一筛选客户的相似客户相似值，将相似客户相似值小于等于设定的相似度阈值的第一筛选客户设为相似客户，将相似客户相似值大于设定的相似度阈值的第一筛选客户不设为相似客户；
17、在此需要说明的是，这里的a1、a2和相似度阈值的取值方式为：选择至少5000组历史客户的购物数据，对这些历史客户进行相似客户的划分，将划分为相似客户的购物数据导入相似客户相似值计算公式中，计算得到的相似客户相似值代入拟合软件，输出满足相似客户判断准确率的最优a1、a2和相似度阈值的取值。
18、具体的，所述s3的内容包括如下具体步骤：
19、s31、提取历史相似客户在平台的购物种类数据、历史相似客户相似值、历史待选择客户在平台的历史购物周期的购物种类数据，构建输入为相本文档来自技高网...
【技术保护点】
1.一种基于虚拟购物的管理智能分析方法，其特征在于，其包括以下具体步骤：
2.如权利要求1所述的一种基于虚拟购物的管理智能分析方法，其特征在于，所述S1包括以下具体步骤：
3.如权利要求2所述的一种基于虚拟购物的管理智能分析方法，其特征在于，所述S2中的相似客户查找策略包括以下具体内容：
4.如权利要求3所述的一种基于虚拟购物的管理智能分析方法，其特征在于，所述S3的内容包括如下具体步骤：
5.如权利要求4所述的一种基于虚拟购物的管理智能分析方法，其特征在于，所述S4的具体内容包括以下具体步骤：
6.一种基于虚拟购物的管理智能分析系统，其基于如权利要求1-5任一项的所述一种基于虚拟购物的管理智能分析方法实现，其特征在于，其包括数据获取模块、相似客户查找模块、深度学习神经网络模型构建模块、商品种类概率输出模块、商品种类显示模块和控制模块，所述数据获取模块用于设定购物周期，获取待选择客户在平台的历史购物周期的购物种类数据，同时获取第一筛选客户在平台的历史购物周期的购物种类数据，所述相似客户查找模块用于将获取的待选择客户在平台
7.如权利要求6所述的一种基于虚拟购物的管理智能分析系统，其特征在于，其特征在于，所述深度学习神经网络模型构建模块用于基于历史相似客户的在平台的本购物周期的购物种类数据、历史相似客户相似值和历史待选择客户在平台的历史购物周期的购物种类数据，构建预测待选择客户本购物周期购物商品种类概率的深度学习神经网络模型，所述商品种类概率输出模块用于获取待选择客户的相似客户在平台的购物种类数据、计算得到的相似客户相似值和待选择客户在平台的历史购物周期的购物种类数据导入构建的深度学习神经网络模型中，输出待选择客户本购物周期购物商品种类概率，所述商品种类显示模块用于按照输出的待选择客户本购物周期购物商品种类概率在显示界面降序显示对应商品种类供待选择客户选择。
8.如权利要求7所述的一种基于虚拟购物的管理智能分析系统，其特征在于，所述控制模块用于控制数据获取模块、相似客户查找模块、深度学习神经网络模型构建模块、商品种类概率输出模块、商品种类显示模块的运行。
9.一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
10.一种计算机可读存储介质，其特征在于，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-6任一项所述的一种基于虚拟购物的管理智能分析方法。
...【技术特征摘要】
1.一种基于虚拟购物的管理智能分析方法，其特征在于，其包括以下具体步骤：
2.如权利要求1所述的一种基于虚拟购物的管理智能分析方法，其特征在于，所述s1包括以下具体步骤：
3.如权利要求2所述的一种基于虚拟购物的管理智能分析方法，其特征在于，所述s2中的相似客户查找策略包括以下具体内容：
4.如权利要求3所述的一种基于虚拟购物的管理智能分析方法，其特征在于，所述s3的内容包括如下具体步骤：
5.如权利要求4所述的一种基于虚拟购物的管理智能分析方法，其特征在于，所述s4的具体内容包括以下具体步骤：
6.一种基于虚拟购物的管理智能分析系统，其基于如权利要求1-5任一项的所述一种基于虚拟购物的管理智能分析方法实现，其特征在于，其包括数据获取模块、相似客户查找模块、深度学习神经网络模型构建模块、商品种类概率输出模块、商品种类显示模块和控制模块，所述数据获取模块用于设定购物周期，获取待选择客户在平台的历史购物周期的购物种类数据，同时获取第一筛选客户在平台的历史购物周期的购物种类数据，所述相似客户查找模块用于将获取的待选择客户在平台的历史购物周期的购物种类数据和第一筛选客户在平台的历史购物周期的购物种类数据代入相似客户查找策略中进行相似客户的查找，同时进行相似客户相似值的计算。
【专利技术属性】
技术研发人员：师晓光，杜骁，马磊磊，张英文，
申请(专利权)人：青岛巨商汇网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。