【技术实现步骤摘要】
本专利技术属于数据处理，尤其涉及一种基于人工智能的数据挖掘方法及系统。
技术介绍
1、当前数据挖掘技术在个性化优惠券发放领域存在显著不足，传统方法多依赖单一维度的用户行为数据（如历史购买记录），缺乏对用户价格敏感度、购买决策动态及商品社交舆情的综合分析，导致优惠券面值设定粗放，难以精准匹配用户需求。此外，现有技术未能有效整合实时浏览热度与社交舆情影响力，无法动态调整优惠策略，造成资源浪费和转化率低下。因此，亟需一种基于多源数据融合的人工智能方法，通过构建多维分析模型实现优惠券面值的智能适配，以提升营销效果。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于人工智能的数据挖掘方法及系统，解决了上述问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于人工智能的数据挖掘方法，包括以下步骤：
3、获取用户价格敏感数据、用户购买决策数据以及商品社交舆情数据；
4、基于价格敏感数据构建用户价格敏感分析模型，并输出用户价格敏感因子；<...
【技术保护点】
1.一种基于人工智能的数据挖掘方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的数据挖掘方法，其特征在于，基于当前商品浏览热度值下的价格-决策适配度结合优惠券面值均值构建优惠券面值确定模型输出目标用户的优惠券目标面值的步骤为：
3.根据权利要求2所述的基于人工智能的数据挖掘方法，其特征在于，所述价格-决策适配性分析模型表示为：
4.根据权利要求1或3所述的基于人工智能的数据挖掘方法，其特征在于，所述价格敏感数据包括用户在同一店铺内类似商品的对比点击量、用户对折扣促销商品的响应率以及用户购买同类商品的价格均值，所...
【技术特征摘要】
1.一种基于人工智能的数据挖掘方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的数据挖掘方法，其特征在于，基于当前商品浏览热度值下的价格-决策适配度结合优惠券面值均值构建优惠券面值确定模型输出目标用户的优惠券目标面值的步骤为：
3.根据权利要求2所述的基于人工智能的数据挖掘方法，其特征在于，所述价格-决策适配性分析模型表示为：
4.根据权利要求1或3所述的基于人工智能的数据挖掘方法，其特征在于，所述价格敏感数据包括用户在同一店铺内类似商品的对比点击量、用户对折扣促销商品的响应率以及用户购买同类商品的价格均值，所述用户购买决策数据包括购物车中商品反复添加次数、加入购物车后未结算时长以及商品收藏后重新访问页面频率，所述商品社交舆情数据包括转发路径中社交软件占比以及转发链深度，所述用户对...
【专利技术属性】
技术研发人员：吴津钰，陈辑源，徐瀚杰，刘彬华，
申请(专利权)人：广州新华学院，
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。