[发明专利]基于深度矩阵分解的精准营销数据分析方法

说明书

本发明实施例公开了一种基于深度矩阵分解的精准营销数据分析方法。方法包括：获取客户与商品的交互矩阵，其中，所述交互矩阵的各行对应各客户，各列对应各商品，矩阵元素包含客户与商品的交互信息；基于协同过滤方法对所述交互矩阵进行矩阵分解，得到各客户和各商品的隐向量，所述隐向量中包含客户与商品间的线性关联信息；将各客户和各商品的隐向量构成的各向量对，分别输入基于变分自编码器的偏好度预测模型进行训练，学习客户与商品间的非线性关联信息，训练好的模型用于输出各客户对各商品的偏好度；利用训练好的偏好度预测模型，推荐精准营销策略。本实施例准确预测客户偏好。

技术领域

本发明实施例涉及数据分析领域，尤其涉及一种基于深度矩阵分解的精准营销数据分析方法。

背景技术

AI技术下的精准营销，可以将客户浏览的实时记录和反馈数据反馈给商家，帮助商家了解消费者，根据消费者的需要和偏好推送商品信息，达到最佳营销效果。

专利CN114723491A公开了一种基于用户画像和数据挖掘的精准营销数据分析方法和系统，专利CN114579544A公开了一种基于数据管理平台的精准营销的数据分析方法，二者均是基于消费者画像技术实现的。

然而，消费者画像技术存在数据稀疏性和客户相似度矩阵维护度大等问题，对于少量无法获取准确数据的匿名用户，则无法提取出客户和商品的隐藏属性，限制了商品推荐和营销的准确性、通用性。

发明内容

本发明实施例提供一种基于深度矩阵分解的精准营销数据分析方法，通过数据分析提取客户与商品间线性与非线性的隐藏特征，准确预测客户偏好。

第一方面，本发明实施例提供了一种基于深度矩阵分解的精准营销数据分析方法，包括：

获取客户与商品的交互矩阵，其中，所述交互矩阵的各行对应各客户，各列对应各商品，矩阵元素包含客户与商品的交互信息；

基于协同过滤方法对所述交互矩阵进行矩阵分解，得到各客户和各商品的隐向量，所述隐向量中包含客户与商品间的线性关联信息；

将各客户和各商品的隐向量构成的各向量对，分别输入基于变分自编码器的偏好度预测模型进行训练，学习客户与商品间的非线性关联信息，训练好的模型用于输出各客户对各商品的偏好度；

利用训练好的偏好度预测模型，推荐精准营销策略。

第二方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现任一实施例所述的基于深度矩阵分解的精准营销推荐方法。

第三方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一实施例所述的基于深度矩阵分解的精准营销推荐方法。

本发明实施例针对推荐系统中存在的数据稀疏性、冷启动和可扩展性三个问题，提出一种基于矩阵分解和深度学习的数据处理方法，通过矩阵分解进行数据降维，并提取客户和商品交互的隐藏信息，学习客户与商品间的线性相关信息；VAE(VariationalAutoEncoder，变分自动编码器)通过概率分布执行非线性因子，来学习客户与商品间的非线性关系，进一步提高预测结果的准确性。在模糊背景下，本实施例对于非线性性质的数据能够提取更多隐藏信息，预测效果更加有效。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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。