一种移动互联网电子商城用户消费偏好分析终端的制作方法

1.本发明涉及用户消费偏好分析技术领域，尤其涉及一种移动互联网电子商城用户消费偏好分析终端。


背景技术：

2.目前，对于移动互联网电子商城中的用户消费行为时刻在发生，但是，目前的电子商城只能根据当前的数据信息对用户消费行为提供对应的服务，或者是提供对应的数据存储管理服务。
3.目前，虽然有很多的软件系统能够根据用户消费行为进行对应的偏好推荐，但是，是针对具体的用户，而对应电子商城的管理上，会因此管理数据的增多，产生巨大的资源浪费。


技术实现要素：

4.本发明的目的在于提供一种移动互联网电子商城用户消费偏好分析终端，减少资源的浪费。
5.为实现上述目的，本发明提供了一种移动互联网电子商城用户消费偏好分析终端，所述移动互联网电子商城用户消费偏好分析终端包括消费获取系统、偏好分析系统和偏好管理系统，所述消费获取系统、所述偏好分析系统和所述偏好管理系统互相连接；
6.所述消费获取系统，用于获取用户在移动互联网电子商城中的设定时间范围内的所有的消费数据，并对所述消费数据进行预处理；
7.所述偏好分析系统，用于在多维度范围内，对预处理后的所述消费数据进行消费偏好分析；
8.所述偏好管理系统，用于根据消费偏好分析结果构建对应的预测模型，并得到对应的管理结果。
9.其中，所述消费获取系统包括数据获取模块和数据处理模块，所述数据处理模块与所述数据获取模块连接；
10.所述数据获取模块，用于获取用户在所述移动互联网电子商城中的设定时间范围内的所有的消费数据；
11.所述数据处理模块，用于基于所述移动互联网电子商城的消费形式，对所述消费数据进行分类，得到多个分类结果。
12.其中，所述偏好分析系统包括特征提取模块和偏好分析模块，所述特征提取模块与所述数据处理模块连接，所述偏好分析模块与所述特征提取模块连接；
13.所述特征提取模块，用于对每一个分类结果下的所有所述消费数据进行关键词和生成日期提取；
14.所述偏好分析模块，用于根据所述生成日期构建对应的拓扑架构，并将所述关键词赋值于所述拓扑架构上。
15.其中，所述偏好管理系统包括权重划分模块和模型生成模块，所述权重划分模块与所述消费获取系统连接，所述模型生成模块与所述偏好分析系统和所述权重划分模块连接；
16.所述权重划分模块，用于根据获取的所述消费数据，计算出不同商品类型下对应的权重系数；
17.所述模型生成模块，用于根据偏好分析结果以及对应的所述权重系数，生成对应的所述消费模型。
18.其中，所述偏好管理系统还包括预测模块，所述预测模块与所述模型生成模块连接；
19.所述预测模块，用于根据所有的所述消费模型构建对应的预测模型，并将所述移动互联网电子商城中获取的任意数据输入构建的预测模型中，输出管理结果。
20.其中，所述移动互联网电子商城用户消费偏好分析终端还包括更新系统，所述更新系统与所述预测模块连接；
21.所述更新系统，用于利用实时获取的设定用户的所述消费数据对所述预测模型进行更新。
22.本发明的一种移动互联网电子商城用户消费偏好分析终端，包括消费获取系统、偏好分析系统和偏好管理系统，获取用户在移动互联网电子商城中的设定时间范围内的所有的消费数据，并对所述消费数据进行预处理；然后，在多维度范围内，对预处理后的所述消费数据进行消费偏好分析；根据消费偏好分析结果构建对应的预测模型，并得到对应的管理结果，基于管理结果，能够提高电子商城对用户消费情况的掌握，提高电子商城对用户管理效果，且减少资源的占用，减少资源的浪费。
附图说明
23.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
24.图1是本发明提供的一种移动互联网电子商城用户消费偏好分析终端的结构示意图。
25.图2是本发明提供的偏好分析模块的结构示意图。
[0026]1‑
消费获取系统、2
‑
偏好分析系统、3
‑
偏好管理系统、11
‑
数据获取模块、12
‑
数据处理模块、21
‑
特征提取模块、22
‑
偏好分析模块、221
‑
拓扑链生成单元、222
‑
拓扑网络生成单元、223
‑
赋值单元、31
‑
权重划分模块、32
‑
模型生成模块、33
‑
预测模块、4
‑
更新系统。
具体实施方式
[0027]
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
[0028]
在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0029]
请参阅图1和图2，本发明提供一种移动互联网电子商城用户消费偏好分析终端，所述移动互联网电子商城用户消费偏好分析终端包括消费获取系统1、偏好分析系统2和偏好管理系统3，所述消费获取系统1、所述偏好分析系统2和所述偏好管理系统3互相连接；
[0030]
所述消费获取系统1，用于获取用户在移动互联网电子商城中的设定时间范围内的所有的消费数据，并对所述消费数据进行预处理；
[0031]
所述偏好分析系统2，用于在多维度范围内，对预处理后的所述消费数据进行消费偏好分析；
[0032]
所述偏好管理系统3，用于根据消费偏好分析结果构建对应的预测模型，并得到对应的管理结果。
[0033]
在本实施方式中，首先，获取用户在移动互联网电子商城中的设定时间范围内的所有的消费数据，并对所述消费数据进行预处理，一般选取近两年内的数据；然后，在多维度范围内，对预处理后的所述消费数据进行消费偏好分析；根据消费偏好分析结果构建对应的预测模型，基于所述预测模型，可以得到对应的用户消费行为的管理结果，基于管理结果，能够提高电子商城对用户消费情况的掌握，提高电子商城对用户管理效果，且减少资源的占用，减少资源的浪费。
[0034]
进一步的，所述消费获取系统1包括数据获取模块11和数据处理模块12，所述数据处理模块12与所述数据获取模块11连接；
[0035]
所述数据获取模块11，用于获取用户在所述移动互联网电子商城中的设定时间范围内的所有的消费数据；
[0036]
所述数据处理模块12，用于基于所述移动互联网电子商城的消费形式，对所述消费数据进行分类，得到多个分类结果。
[0037]
在本实施方式中，首先，通过所述数据获取模块11获取当前用户在所述移动互联网电子商城中的设定时间范围内的所有的消费数据，一般选取近两年内的数据，如果选取的时间过长，会导致数据过多，增加数据的计算处理时间，也会占用过大的内存，选取的时间过少，会导致对数据的分析出现片面性，因此，两年的时间刚好可以保证对用户的消费偏好进行准确的分析，并且数据量也不是很大，然后，基于所述移动互联网电子商城的消费形式，将所述消费数据进行划分，得到多个分类结果，包括第一分类结果、第二分类结果和第三分类结果，其中，所述第一分类结果为用户在所述电子商城中的浏览或搜索数据，统一为浏览数据；所述第二分类结果为预购数据，即是用户打算购买使用的数据；所述第三分类结果为订购数据，即是用户已经付款的数据，通过对消费数据的分类，能够直观的了解到用户平时的浏览偏好和购买偏好，减少后续对用户偏好分析的时间，也就是减少了资源的浪费。
[0038]
进一步的，所述偏好分析系统2包括特征提取模块21和偏好分析模块22，所述特征提取模块21与所述数据处理模块12连接，所述偏好分析模块22与所述特征提取模块21连接；
[0039]
所述特征提取模块21，用于对每一个分类结果下的所有所述消费数据进行关键词和生成日期提取；
[0040]
所述偏好分析模块22，用于根据所述生成日期构建对应的拓扑架构，并将所述关键词赋值于所述拓扑架构上。
[0041]
在本实施方式中，当所述数据处理模块12对所述消费数据分类完成后，利用所述
特征提取模块21分别对第一分类结果、第二分类结果和第三分类结果中的所述消费数据进行关键词和生成日期的提取，其中，所述生成日期为产生当前所述关键词下的时间，而所述关键词通常为所述第一分类结果下的关键词，为了保证对所述消费数据的准确性，对每一个分类结果均进行关联词提取，其中，所述第一分类结果对应的关键词为浏览数据中的第一关键词，所述第二分类结果对应的关键词为预购产品的第二关键词，所述第三分类结果为订购产品的第三关键词，而所述生成日期为三个关键词在电子商城中的产生时间。
[0042]
然后，根据所述生成日期构建对应的拓扑架构，并且将对应的关键词赋值在对应的拓扑链上，能够直观的显示出对应的产品信息流向以及对应的时间选择长度，直观的显示出对应的用户消费行为数据，减少后期数据查看时间，减少在时间资源上的浪费。
[0043]
进一步的，所述偏好分析模块22包括拓扑网络生成单元222和赋值单元223，所述拓扑网络生成单元222与所述特征提取模块21连接，所述赋值单元223与所述拓扑网络生成单元222连接；
[0044]
所述拓扑网络生成单元222，用于根据构建的拓扑链，将对应的类型下的所有所述拓扑链进行融合；
[0045]
所述赋值单元223，用于将所述关键词赋值于对应的所述拓扑链上。
[0046]
在本实施方式中，首先，会根据所述生成日期构建对应的拓扑链，而所述拓扑网络生成单元222会将对应的商品类型下的所有的所述拓扑链进行融合，即将每一个商品类型下的，属于同一子目录对应的所述拓扑链进行加权平均，得到对应的平均链，然后将所有的所述平均链在同一商品类型下进行融合，得到所述拓扑架构，而为了方便对每一个所述拓扑链或者所述拓扑架构进行查阅，将对应的所述关键词赋值到对应的所述拓扑链上，以便于后期在进行偏好管理时，能够直观的看到用户的消费数据，减少管理时间，进而减少资源的浪费。
[0047]
进一步的，所述偏好分析模块22还包括拓扑链生成单元221，所述拓扑链生成单元221与所述拓扑网络生成单元222连接；
[0048]
所述拓扑链生成单元221，用于基于所述生成日期构建对应的所述拓扑链。
[0049]
在本实施方式中，由于存在三种分类结果，因此，为了便于对消费行为进行准确的偏好分析，将所述第一分类结果、所述第二分裂结果和所述第三分类结果的所述生成日期构建映射关系，并且，将三者之间的分隔时间进行等级划分，将小于1小时的为1级，1小时至12小时的为2级，12小时以上的为3级，根据所述分隔时间，将相邻两个所述分类结果构建对应长度的拓扑短链，1单位长度的所述拓扑短链对应一个等级下的分隔时间，因此，可以根据所述生成日期构建对应的不同长度的拓扑链，并且，所述拓扑链能够很好地反映出用户的购买欲望，即层级越大，长度越短的拓扑链，用户偏好更佳。
[0050]
进一步的，所述偏好管理系统3包括权重划分模块31和模型生成模块32，所述权重划分模块31与所述消费获取系统1连接，所述模型生成模块32与所述偏好分析系统2和所述权重划分模块31连接；
[0051]
所述权重划分模块31，用于根据获取的所述消费数据，计算出不同商品类型下对应的权重系数；
[0052]
所述模型生成模块32，用于根据偏好分析结果以及对应的所述权重系数，生成对应的所述消费模型。
[0053]
在本实施方式中，为了提高对电子商城中的所有的商品类型的统计和占比计算，对于当前用户对应的所有的所述消费数据，计算出不同商品类型下对应的权重系数，然后将所述所述权重系数再次赋值于对于的所述拓扑架构上，生成对应的所述消费模型，增加了对偏好分类的数据分析。
[0054]
进一步的，所述偏好管理系统3还包括预测模块33，所述预测模块33与所述模型生成模块32连接；
[0055]
所述预测模块33，用于根据所有的所述消费模型构建对应的预测模型，并将所述移动互联网电子商城中获取的任意数据输入构建的预测模型中，输出管理结果。
[0056]
在本实施方式中，根据所有的所述消费模型构建对应的预测模型，即将当前所述电子商城中的所有的消费数据对应的所述消费模型进行获取，并基于对所有的所述消费模型的统计结果，将计算出当前的消费模型的平均出现率，基于所述平均出现率赋值于对应的所述消费模型，按照出现率，将对应的所述拓扑链提取出来，出现组合，生成所述预测模型，并将所述移动互联网电子商城中获取的任意数据输入构建的预测模型中，输出管理结果，根据所述管理结果，能够得出当前用户是否会进行下一步的消费行为，并提前将对应的功能进行预打开，可以减少后续功能模块的启动时间，减少瞬时功耗的增加，减少了资源的浪费，也增加的用户的消费体验。
[0057]
进一步的，所述移动互联网电子商城用户消费偏好分析终端还包括更新系统4，所述更新系统4与所述预测模块33连接；
[0058]
所述更新系统4，用于利用实时获取的设定用户的所述消费数据对所述预测模型进行更新。
[0059]
在本实施方式中，为了提高所述预测模型的时效性，利用所述更新系统4实时获取当前的消费数据，并利用所述消费数据对所述预测模型进行更新，同时，将所述预测模型存储在对应的单独的存储设备中，不会占用电子商城的运行内存，也不会因所述预测模型的内存大影响电子商城的运行效率。
[0060]
本发明的一种移动互联网电子商城用户消费偏好分析终端，包括消费获取系统1、偏好分析系统2和偏好管理系统3，获取用户在移动互联网电子商城中的设定时间范围内的所有的消费数据，并对所述消费数据进行预处理；然后，在多维度范围内，对预处理后的所述消费数据进行消费偏好分析；根据消费偏好分析结果构建对应的预测模型，并得到对应的管理结果，基于管理结果，能够提高电子商城对用户消费情况的掌握，提高电子商城对用户管理效果，且减少资源的占用，减少资源的浪费。以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。