[发明专利]基于大数据筛选的营销零售投放系统及其方法

权利要求书

1.基于大数据筛选的营销零售投放系统，其特征在于，包括：

零售数据采集单元，用于获取多个零售点的零售数据，所述零售数据包括零售物品名称和预定时间段的零售量；

零售数据嵌入化单元，用于将所述各个零售点的零售数据分别映射到零售物品向量以得到零售物品向量的序列；

零售点上下文编码单元，用于将所述各个零售点的零售物品向量的序列通过基于转换器的上下文编码器以得到多个零售点语义特征向量；

矩阵化排列单元，用于将所述多个零售点语义特征向量进行二维排列为以得到零售点语义特征矩阵；

零售点空间拓扑单元，用于获取所述多个零售点的拓扑矩阵，所述拓扑矩阵中非对角线位置上各个位置的值为相应两个零售点之间的距离，所述拓扑矩阵中对角线位置上各个位置的值为零；

拓扑特征提取单元，用于将所述拓扑矩阵通过作为特征提取器的卷积神经网络模型以得到拓扑特征矩阵；

图数据编码单元，用于将所述拓扑特征矩阵和所述零售点语义特征矩阵通过图神经网络以得到距离拓扑零售点语义特征矩阵；

待投放零售点特征提取单元，用于提取所述距离拓扑零售点语义特征矩阵中待投放零售点的行向量；以及投放推荐结果生成单元，用于将所述待投放零售点的行向量作为分类特征向量通过分类器以得到分类结果，所述分类结果用于表示投放各种类型的零售物品的概率值。

2.根据权利要求1所述的基于大数据筛选的营销零售投放系统，其特征在于，所述零售数据嵌入化单元，包括：

零售物品名称向量化子单元，用于将所述各个零售点的零售数据中的零售物品名称通过词嵌入层以得到词嵌入向量；以及整合子单元，用于在所述词嵌入向量的末尾加上所述各个零售点的零售数据中的预定时间段的零售量以得到所述零售物品向量。

3.根据权利要求2所述的基于大数据筛选的营销零售投放系统，其特征在于，所述零售点上下文编码单元，进一步用于：

将所述各个零售点的零售物品向量的序列排列为输入向量；

将所述输入向量分别通过可学习嵌入矩阵转化为查询向量和关键向量；

计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；

对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；

将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及将所述自注意力特征矩阵与以所述各个零售点的零售物品向量的序列中各个零售物品向量作为值向量分别进行相乘以得到所述多个零售点语义特征向量。

4.根据权利要求3所述的基于大数据筛选的营销零售投放系统，其特征在于，所述拓扑特征提取单元，包括：

所述卷积神经网络模型的各层在层的正向传递中分别进行：

对输入数据进行卷积处理以得到卷积特征图；

对所述卷积特征图进行基于局部通道维度的池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；

其中，所述卷积神经网络模型的最后一层的输出为所述拓扑特征矩阵，所述卷积神经网络模型的第一层的输入为所述拓扑矩阵。

5.根据权利要求4所述的基于大数据筛选的营销零售投放系统，其特征在于，所述投放推荐结果生成单元，进一步用于：

使用所述分类器以如下公式对所述分类特征向量进行处理以获得所述分类结果，其中，所述公式为：softmax{(W_n,B_n):…:(W₁,B₁)|X}，其中，W₁到W_n为权重矩阵，B₁到B_n为偏置向量，X为所述分类特征向量。

6.根据权利要求5所述的基于大数据筛选的营销零售投放系统，其特征在于，还包括用于对所述基于转换器的上下文编码器、所述作为特征提取器的卷积神经网络模型、所述图神经网络和所述分类器进行训练的训练模块。