[发明专利]线上店铺画像构建方法及系统

权利要求书

1.一种线上店铺画像构建方法，其特征在于，包括：

获取待画像店铺的基础数据，建立原始数据集；

根据待画像店铺画像目标，对原始数据集进行分析处理，构建画像指标体系；

结合相关性理论，对画像指标体系进行处理，构建画像最终关联指标；

根据画像最终关联指标构建线上店铺画像，利用词云完成画像可视化；

其中，对原始数据集进行分析处理包括：采用BERT-LDA进行文本表示，具体的：定义文本集D＝{d_i|i∈{1，2,3......，M}}由M个文档组成；文档d_i＝{d_is|s∈{1,2,3,......,S}}包含S个句子，且d_i＝{w_ij|j∈{1,2,3......，N_i}}由N_i个词构成，每个词都对应一个潜在的主题，则d_i所对应的主题集为z_i＝{z_ij|j∈{1,2,3,......，N_i}}；文档集D的总主题数为总词数为

将BERT的特征表示作为任务词嵌入特征，将文档d_i＝{wi_j|j∈{1,2,3，......，N_i}}输入BERT模型，生成新的词向量d′_i，设定LDA模型中的变量联合分布式如下：式中：α，β服从先验Dirichlet分布；θ_i为文本主题分布的概率；P(θ_i|α)为Dirichlet先验参数α产生文档d_i的“文本-主题”分布概率；P(zi_j|θ_i)为主题分布θ_i中取样生成文档d_i第j个词对应的主题概率；P(φ|β)为Dirichlet先验参数β生成主题z_ij的“主题-词”分布矩阵；为词语分布中生成词语w_ij对应的概率。

2.根据权利要求1所述的线上店铺画像构建方法，其特征在于，待画像店铺的基础数据包括：店铺商品数据、店铺会员数据、店铺等级数据、店铺访问量数据、客单价数据、商品评价数据、供应商数据。

3.根据权利要求1所述的线上店铺画像构建方法，其特征在于，根据待画像店铺画像目标，利用层次分析法，对原始数据集进行分析处理，确定所述待画像药店的静态标签和动态标签。

4.根据权利要求3所述的线上店铺画像构建方法，其特征在于，对原始数据集进行分析处理包括：删除重复数据、修正错误数据并使用零值、空字符串或实际数据补全数据；进行新词识别，分词及词性标注，停用词及词性过滤；进行特征选择，数据降维。

5.根据权利要求4所述的线上店铺画像构建方法，其特征在于，静态标签是基于静态数据的标签，是指该店铺中不随时间变化的指标，包括店铺名称标签、店铺星级标签、店铺主要业务范围标签；动态指标与静态指标相反，是指该店铺中不随时间变化的指标，包括店铺会员标签、用户浏览行为标签、用户收藏行为标签、用户购买行为标签、用户点评行为标签。

6.根据权利要求3所述的线上店铺画像构建方法，其特征在于，构建画像关联指标包括：根据相关性理论，拆分画像指标体系的指标维度，删除不相关或弱相关指标，建立可靠的模型结果指标，得到画像最终关联指标。

7.根据权利要求3所述的线上店铺画像构建方法，其特征在于，获取待画像店铺的基础数据包括：采用垂直爬虫的方式采集该店铺的互联网公开数据；通过店铺后台获取店铺内部经营数据。

8.根据权利要求3-7任一项所述的线上店铺画像构建方法，其特征在于，根据所述画像最终关联指标中的静态标签和动态标签，设置相关参数，利用词云完成零售药店的可视化操作。