(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211126729.4 (22)申请日 2022.09.16 (71)申请人 北京八分量信息科技有限公司 地址 100020 北京市朝阳区崔各庄乡东 辛 店村268号院1号楼二层204 号 (72)发明人 阮安邦　袁凯　 (74)专利代理 机构 浙江千克知识产权代理有限 公司 33246 专利代理师 汪丹琪 (51)Int.Cl. G06Q 30/02(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于电商平台的深度学习预测方法及装置 (57)摘要 本发明实施例提供一种基于电商平台的深 度学习预测方法及装置， 所述方法包括： 获取电 商平台内各个商家上传的营销数据； 获取营销数 据的数据特征， 并对比商家之间的数据特征， 根 据对比结果 建立目标商家之间的求交关系； 将求 交关系发送至目标商家， 供目标商家根据求交关 系交换营销数据， 并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； 获取待检测客户 在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， 得到待检测客户在目标商家的购买可能性预 测结果； 输出待检测客户的购买可能性预测结 果。 采用本方法能够通过对客户在目标商家的购 买可能性的预测， 精确且具有前瞻性的对客户进 行商家商品的营销。 权利要求书2页 说明书6页 附图3页 CN 115456672 A 2022.12.09 CN 115456672 A 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权　利　要　求　书 1/2 页 2 CN 115456672 A 2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。 8.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： 输入模块， 用于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。 9.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至5任一项所述基于电 商平台的深度学习预测方法的步骤。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机 程序被处理器执行时实现如权利要求1至5任一项所述基于电商平台的深度学习 预测方法 的步骤。权　利　要　求　书 2/2 页 3 CN 115456672 A 3