[发明专利]一种预测商品属性数据及训练其模型的方法和装置在审
| 申请号： | 201710606959.3 | 申请日： | 2017-07-24 |
| 公开（公告）号： | CN108932648A | 公开（公告）日： | 2018-12-04 |
| 发明（设计）人： | 杨骏;史建明;李杰 | 申请（专利权）人： | 上海宏原信息科技有限公司 |
| 主分类号： | G06Q30/06 | 分类号： | G06Q30/06;G06F17/30 |
| 代理公司： | 上海容慧专利代理事务所(普通合伙) 31287 | 代理人： | 于晓菁 |
| 地址： | 200233 上海市徐汇*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种预测商品属性数据及训练其模型的方法和装置，其中，训练预测商品属性数据模型的方法，包括：获取店铺的特征向量，店铺的特征向量包括店铺等级的特征值；获取商品属性的特征向量，其包括商品所属品类所对应的属性类别的特征值和商品的已知属性数据；结合店铺的特征向量和商品属性的特征向量训练数学回归模型，获得用于预测商品的未知属性数据的模型。本发明中，通过结合店铺的特征向量和商品属性的特征向量训练数学回归模型获得的预测商品属性数据模型能够获得更准确的预测结果，并且采用了高斯混合模型，能够有效地利用无监督聚类方法对店铺分级、基于词袋和向量将商品属性特征表示。 | ||
| 搜索关键词： | 商品属性 特征向量 店铺 预测 方法和装置 属性数据 数据模型 数学回归 高斯混合模型 模型获得 特征表示 预测结果 和向量 无监督 有效地 分级 聚类 | ||
【主权项】：
1.一种训练预测商品属性数据模型的方法，其特征在于，包括以下步骤：获取店铺的特征向量，所述店铺的特征向量包括店铺等级的特征值，所述店铺等级的特征值基于高斯混合模型获得，其中高斯混合模型公式是![]()
其中K为模型的个数，h为所述店铺的特征向量的元素个数，πk为第k个高斯的权重，N(xi|μk,σk)则为第k个高斯的概率密度函数，其参数μk为均值，σk为方差,xi是所述店铺的特征向量的第i个元素；获取商品属性的特征向量，所述商品属性的特征向量包括商品所属品类所对应的属性类别的特征值和商品的已知属性数据；结合所述店铺的特征向量和所述商品属性的特征向量训练数学回归模型，以获得用于预测商品的未知属性数据的模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海宏原信息科技有限公司，未经上海宏原信息科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710606959.3/，转载请声明来源钻瓜专利网。
