【技术实现步骤摘要】
本专利技术涉及商品数据筛选，尤其是涉及基于神经网络的商品数据筛选方法及系统。
技术介绍
1、商品数据筛选通常涉及从大量数据中识别和提取有价值的信息，以帮助做出更好的商业决策。常见的应用场景是购物平台面向客户的目标商品筛选，通常查询终端会提供给客户多个筛选条件，如商品货源城市、商品价格、商品品牌等，客户在选定筛选条件后服务端会根据条件呈现筛选结果，这种商品数据筛选的实现一般基于以下几个步骤实现：
2、服务端收集相关的商品数据，包括商品货源城市、商品价格、商品品牌、销量、评价、类别、上市时间等。将上述数据形成庞大的商品大数据库，每当用户有查询请求时，都会从商品大数据库中进行遍历操作，商品大数据库查询的方式提供商品数据筛选的缺点有：一、数据库的成本较高；二、数据库的单点故障；三、数据库的性能瓶颈；四、对于特征少的查询项响应速度很低，查询结果不能精准匹配；五、数据库的安全性问题。
技术实现思路
1、为了解决上述技术问题，本专利技术提供基于神经网络的商品数据筛选方法及系统。采用如下的技术方案：
2、基于神经网络的商品数据筛选方法，包括以下步骤：
3、步骤1，服务器端对录入的商品数据按照特征分别生成四个主神经网络数据库，四个主神经网络数据库分别对应品类名称、价格、品牌和产地四个特征；服务器端对录入的商品数据按照特征进行数值化处理，并按照数值化进行矩阵加权分类处理，按照加权分类处理结果的数据范围进行连续分割生成多个查询结果显示分库；
4、步骤2，查
5、步骤3，服务器端将对应的查询结果分库数据与查询终端交互，查询终端视觉显示查询结果显示分库的数据内容，完成商品数据筛选。
6、通过采用上述技术方案，区别于传统的大数据库的数据分类和筛选方式，采用四个主神经网络数据库匹配不同多个查询结果显示分库的方式来进行商品数据分类和查询，每个主神经网络数据库对应一个商品特征，当然这四个主神经网络数据库的数量也可以根据特征数的调整而调整，这里采用对应品类名称、价格、品牌和产地的四个重要特征生成，因为不同的用户在查询商品时的对商品的着眼点不一样，有的比较直接，采用商品的品类名称来进行查询，有的比较在意价格，有的比较在意品牌，有的比较在意产地，这几种筛选方法对应了客户不同的着眼点，例如有的客户想要筛选出某个品牌的所有商品，有的客户想要筛选出某个价格段的商品，对于每个主神经网络数据库对应多个查询结果显示分库，查询结果显示分库是服务器端对录入的商品数据按照特征进行数值化处理，并按照数值化进行矩阵加权分类处理，按照加权分类处理结果的数据范围进行连续分割生成的，能反应中位数值化反应商品对应的查询需求，能更加准确地给出模糊查询需求的结果；
7、当客户通过查询终端输入层输入商品的特征项时，需要至少一个特征项，例如可以单独输入品类名称、价格、品牌和产地中的任意一种，也可以是多种，按照步骤1相同的方法进行加权分类处理，得到输入层加权分类数据，再将输入层加权分类数据与将加权分类数据与查询结果显示分库的数据范围进行匹配，匹配对应的查询结果显示分库，并获得查询结果显示分库的地址；服务器端将结果显示分库内的数据与查询终端进行交互，查询终端将结果显示分库内的数据录入到查询显示模板既完成了商品数据筛选，可以大幅提升模糊特征查询的响应速度，还能提升模糊查询匹配的精准度。
8、可选的，步骤1中，服务器端对录入的商品数据按照特征进行数值化处理，并分类神经网络数据库的方法是：
9、录入的商品数据包括图片、品类名称、价格、品牌和产地，对图片进行缩略图处理，将缩略图与商品数据进行打包关联，分别对品类名称、价格、品牌和产地进行数值化处理，品类名称按照入库顺序进行数值化，设品类名称数值为s，品类名称的权重为w，价格按照商品价格区间进行数值化，设价格数值为p，价格的权重为x，品牌按照商品的品牌级别进行数值化，设品牌数值为b，品牌的权重为y，产地按照商品的产地优势级别进行数值化，设产地为a，产地的权重为z，设录入的商品的加权分类处理结果为c，按照数值化进行加权分类处理公式如下：
10、；
11、c为四维矩阵，对c进行数据处理为，其中是的结果数值，是的结果数值，是的结果数值，是的结果数值；
12、对所有录入的商品数据的c均进行数据处理，分别得到的范围值分别为1到2，1到2，1到2，1到2，分别按照位于1到2的位置比例数据，位于1到2的位置比例数据，位于1到2的位置比例数据，位于1到2的位置比例数据进行四种分类，四种分类数据集分别对应四个主神经网络数据库，四个主神经网络数据库分别对应品类名称、价格、品牌和产地四个特征。
13、通过采用上述技术方案，品类名称数值为s，这个数值是人为赋予的自然数，例如1、2、……、n的，n代表品类总数；价格数值按照具体录入值进行等值处理；品牌数值按照品牌的排名进行赋值，例如参考行业内最具权威的品牌榜进行赋值，对于榜上没有排名的按照入库的先后顺序进行排列；
14、对于产地按照对应商品的最优产地进行赋值处理，例如商品苹果，其最优产地为山东，对于山东的苹果，其产地数值化值a=1；进行数值化处理后，再对所有录入的商品数据的c均进行数据处理，就可以得到的范围值分别为1到2，1到2，1到2，1到2，这个范围值可以定期根据录入商品变化而变化，维护更加便捷。
15、分别进行数值化后更加便于商品的分类及后续的查询。
16、可选的，四个主神经网络数据库分别记为db1、db2、db3和db4，db1是按照位于1到2的位置比例数据进行归类的主神经网络数据库，当位于1到2的0%到0+h%区间时，h是能被100整除的整数，分到db1的第一个查询结果显示分库，共生成个查询结果显示分库；db2是按照位于1到2的位置比例数据进行归类的主神经网络数据库；db3是按照位于1到2的位置比例数据进行归类的主神经网络数据库；db4是按照位于1到2的位置比例数据进行归类的主神经网络数据库，db2、db3和db4分别生成个查询结果显示分库。
17、通过采用上述技术方案，对于每个主神经网络数据库实际上都可以按照特征数值位于整体区间范围的位置进行查询结果显示分库的划分，这个划分的比例跨度越小，代表查询结果显示分库显示的结果数越少，显示的结果越精准，响应速度越快，但是数据库的数量也会相应地增加，这里建议h取值5-10，在满足查询响应速度的基础上，能减少查询结果显示分库的数量，便于维护。
18、可选的，四个特征的权重值w、x、y和z分别为0.5、0.3、0.2和0.1，在每个主神经网络数据库均按照对权重值进行任意排列交换，得本文档来自技高网...
【技术保护点】
1.基于神经网络的商品数据筛选方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于神经网络的商品数据筛选方法，其特征在于：步骤1中，服务器端对录入的商品数据按照特征进行数值化处理，并分类神经网络数据库的方法是：
3.根据权利要求2所述的基于神经网络的商品数据筛选方法，其特征在于：四个主神经网络数据库分别记为DB1、DB2、DB3和DB4，DB1是按照位于1到2的位置比例数据进行归类的主神经网络数据库，当位于1到2的0%到0+h%区间时，h是能被100整除的整数，分到DB1的第一个查询结果显示分库，共生成个查询结果显示分库；DB2是按照位于1到2的位置比例数据进行归类的主神经网络数据库；DB3是按照位于1到2的位置比例数据进行归类的主神经网络数据库；DB4是按照位于1到2的位置比例数据进行归类的主神经网络数据库，DB2、DB3和DB4分别生成个查询结果显示分库。
4.根据权利要求3所述的基于神经网络的商品数据筛选方法，其特征在于：四个特征的权重值w、x、y和z分别为0.5、0.3、0.2和0.1，在每个主神经网络数据库均按照对权重值进行
5.根据权利要求4所述的基于神经网络的商品数据筛选方法，其特征在于：步骤2中，查询终端输入层接收商品查询数据，对输入的第一个特征进行识别，识别结果为品类名称、价格、品牌和产地中的一种，分别对应寻址到四个主神经网络数据库中的一个，再按照特征输入顺序设定权重值，第一个输入特征的权重值为0.5，第二个输入特征的权重值为0.3，第三个输入特征的权重值为0.2，第四个输入特征的权重值为0.1，按照特征输入顺序定位到分神经网络数据库，采用步骤1的方法，得到商品查询数据的数据处理结果，对进行数据处理为，计算位于1到2的位置比例数据，按照位置比例数据定位到查询结果显示分库；
6.根据权利要求5所述的基于神经网络的商品数据筛选方法，其特征在于：步骤3中服务器端将对应的查询结果分库数据与查询终端交互，查询终端视觉显示查询结果显示分库的数据内容，完成商品数据筛选。
7.基于神经网络的商品数据筛选系统，其特征在于：包括查询终端、网络通讯模块、服务器端、查询分析模块和存储模块，所述查询终端用于用户录入查询商品的特征数据，查询终端通过网络通讯模块与服务器端通信连接，所述查询分析模块和存储模块分别与服务器端通信连接，查询分析模块部署采用权利要求6所述的基于神经网络的商品数据筛选方法设计的软件，存储模块部署采用权利要求4所述的基于神经网络的商品数据筛选方法生成的四个主神经网络数据库，每个主神经网络数据库对应个分神经网络数据库，每个分神经网络数据库对应多个查询结果显示分库，查询分析模块与服务器端交互查询终端录入的特征数据及录入顺序数据，分析得到商品数据筛选结果对应的查询结果分库数据，将查询结果分库数据通过服务器端反馈到查询终端进行显示。
8.根据权利要求7所述的基于神经网络的商品数据筛选系统，其特征在于：查询终端包括输入模块、显示模块、主控芯片和存储器，所述主控芯片分别与输入模块、显示模块和存储器通信连接，并通过网络通讯模块与服务器端通信连接。
9.根据权利要求7所述的基于神经网络的商品数据筛选系统，其特征在于：查询分析模块是数据分析芯片。
10.根据权利要求7所述的基于神经网络的商品数据筛选系统，其特征在于：存储模块包括多组存储单元，每组存储单元对应一个主神经网络数据库，每组存储单元包括多个存储器，每个存储器内存储一个查询结果分库数据，且每个存储器对应一个独立的网络查询地址。
...【技术特征摘要】
1.基于神经网络的商品数据筛选方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于神经网络的商品数据筛选方法，其特征在于：步骤1中，服务器端对录入的商品数据按照特征进行数值化处理，并分类神经网络数据库的方法是：
3.根据权利要求2所述的基于神经网络的商品数据筛选方法，其特征在于：四个主神经网络数据库分别记为db1、db2、db3和db4，db1是按照位于1到2的位置比例数据进行归类的主神经网络数据库，当位于1到2的0%到0+h%区间时，h是能被100整除的整数，分到db1的第一个查询结果显示分库，共生成个查询结果显示分库；db2是按照位于1到2的位置比例数据进行归类的主神经网络数据库；db3是按照位于1到2的位置比例数据进行归类的主神经网络数据库；db4是按照位于1到2的位置比例数据进行归类的主神经网络数据库，db2、db3和db4分别生成个查询结果显示分库。
4.根据权利要求3所述的基于神经网络的商品数据筛选方法，其特征在于：四个特征的权重值w、x、y和z分别为0.5、0.3、0.2和0.1，在每个主神经网络数据库均按照对权重值进行任意排列交换，得到种排列结果，每个主神经网络数据库分别按照权重排列结果对应生成个分神经网络数据库。
5.根据权利要求4所述的基于神经网络的商品数据筛选方法，其特征在于：步骤2中，查询终端输入层接收商品查询数据，对输入的第一个特征进行识别，识别结果为品类名称、价格、品牌和产地中的一种，分别对应寻址到四个主神经网络数据库中的一个，再按照特征输入顺序设定权重值，第一个输入特征的权重值为0.5，第二个输入特征的权重值为0.3，第三个输入特征的权重值为0.2，第四个输入特征的权重值为0.1，按照特征输入顺序定位到分神经网络数据库，采用步骤1的方法，得到商品查询数据的数据...
【专利技术属性】
技术研发人员：刘勇，
申请(专利权)人：深圳市秦丝科技有限公司，
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。