[发明专利]基于电商平台的深度学习预测方法及装置

权利要求书

1.一种基于电商平台的深度学习预测方法，其特征在于，包括：

获取电商平台内各个商家上传的营销数据，所述营销数据包括消费数据、客户数据；

获取所述营销数据的数据特征，并对比商家之间的数据特征，根据对比结果确定所述数据特征的重合度，根据所述重合度的大小建立目标商家之间的求交关系，所述数据特征包括：客户数据、消费金额、消费时间、消费产品类型；

将所述求交关系发送至所述目标商家，供所述目标商家根据所述求交关系交换营销数据，并将所述营销数据的数据特征输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；

获取待检测客户在所述目标商家的消费数据，将待检测客户的客户数据及消费数据输入到训练后的卷积神经网络模型，通过训练后的卷积神经网络模型得到所述待检测客户在所述目标商家的购买可能性预测结果；

输出所述待检测客户的购买可能性预测结果。

2.根据权利要求1所述的基于电商平台的深度学习预测方法，其特征在于，所述对比商家之间的数据特征，根据对比结果确定所述数据特征的重合度，包括：

对比商家之间的数据特征，确定所述数据特征中，在所述客户数据相同的情况下，客户在预设的时间范围内，在不同商家的消费数据；

对比客户在不同商家的消费数据，确定商家的数据特征的重合度。

3.根据权利要求1所述的基于电商平台的深度学习预测方法，其特征在于，所述将营销数据的数据特征输入到卷积神经网络模型进行训练，包括：

以客户数据相同的情况下，客户在所述目标商家的消费数据中的消费时间、消费金额、消费产品类型之间的关联关系为输入，输入到卷积神经网络模型进行训练。

4.根据权利要求1所述的基于电商平台的深度学习预测方法，其特征在于，所述获取所述营销数据的数据特征之后，包括：

获取电商平台内各个商家的目标客户群，根据所述目标客户群将所述电商平台内各个商家分为多个集合；

所述对比商家之间的数据特征包括：

对比各个集合内的商家之间的数据特征。

5.根据权利要求1所述的基于电商平台的深度学习预测方法，其特征在于，所述输出所述待检测客户的购买可能性预测结果之后，还包括：

检测所述待检测客户在所述目标商家的购买可能性预测结果是否大于预设阈值；

当所述待检测客户在所述目标商家的购买可能性预测结果大于预设阈值时，向所述目标商家发送提示信息，供所述目标商家根据提示信息向待检测客户发送商品推送信息。

6.一种基于电商平台的深度学习预测装置，其特征在于，所述装置包括：

获取模块，用于获取电商平台内各个商家上传的营销数据，所述营销数据包括消费数据、客户数据；

对比模块，用于获取所述营销数据的数据特征，并对比商家之间的数据特征，根据对比结果确定所述数据特征的重合度，根据所述重合度的大小建立目标商家之间的求交关系，所述数据特征包括：客户数据、消费金额、消费时间、消费产品类型；

训练模块，用于将所述求交关系发送至所述目标商家，供所述目标商家根据所述求交关系交换营销数据，并将所述营销数据的数据特征输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；

预测模块，用于获取待检测客户在所述目标商家的消费数据，将待检测客户的客户数据及消费数据输入到训练后的卷积神经网络模型，通过训练后的卷积神经网络模型得到所述待检测客户在所述目标商家的购买可能性预测结果；

输出模块，用于输出所述待检测客户的购买可能性预测结果。

7.根据权利要求6中所述的基于电商平台的深度学习预测装置，其特征在于，所述装置还包括：

第二对比模块，用于对比商家之间的数据特征，确定所述数据特征中，在所述客户数据相同的情况下，客户在预设的时间范围内，在不同商家的消费数据；

第三对比模块，用于对比客户在不同商家的消费数据，确定商家的数据特征的重合度。