公开(公告)号：CN111160968A

公开(公告)日：2020-05-15

申请号：CN201911381310.1

申请日：2019-12-27

申请人： 清华大学 ,  杭州微拓科技有限公司

发明人： 李勇 ,  平钰坤 ,  卢中县 ,  金德鹏 ,  周亮 ,  张良伦

IPC分类号： G06Q30/02 ,  G06N3/04 ,  G06N3/08

摘要： 本发明实施例提供一种SKU级别商品销量预测方法及装置，该方法包括：获取SKU商品的多种特征数据，分别进行特征提取，得到多个特征向量；将所述多个特征向量输入预设的人工神经网络模型，根据所述人工神经网络模型的输出结果，确定SKU商品预测窗口的总销量；其中，所述特征数据包括，商品静态属性特征、历史窗口销量数据、预测窗口动态特征；所述预设的人工神经网络模型，根据已知预测窗口销量结果作为标签的特征数据，进行训练后得到。预测过程充分提取了商品自身的属性特征，利用到商品之间的相似性和不同性；而商品在预测窗口的动态特征，充分反映了消费者购买选择情况对销量造成的影响，从而该方法能够实现准确的销量预测。

公开(公告)号：CN110880124A

公开(公告)日：2020-03-13

申请号：CN201910936816.8

申请日：2019-09-29

申请人： 清华大学 ,  杭州微拓科技有限公司

发明人： 李勇 ,  郑瑜 ,  高宸 ,  卢中县 ,  杨一品 ,  徐裕键 ,  张良伦 ,  金德鹏 ,  周亮

IPC分类号： G06Q30/02

摘要： 本发明实施例提供一种转化率评估方法及装置，该方法包括：根据商品属性表和用户属性表，获取特征数据；将获取的特征数据，输入到预设的点击Wide&Deep模型，输出用户对商品链接的点击概率，并将获取的特征数据，输入分享Wide&Deep模型，输出用户对商品链接的分享概率；根据点击概率和分享概率，进行打分融合后，获得用户对所述商品的转化概率；其中，点击或分享Wide&Deep模型分别根据已确定点击或分享结果的样本商品属性表及样本用户属性表进行训练后得到。该方法能够准确获得用户对商品的点击概率和分享概率，通过两个精排分数和召回分数进行融合，确定的转化概率更为准确。

公开(公告)号：CN111144986B

公开(公告)日：2024-05-31

申请号：CN201911360358.4

申请日：2019-12-25

申请人： 清华大学 ,  杭州微拓科技有限公司

发明人： 李勇 ,  高宸 ,  卢中县 ,  金德鹏 ,  徐裕键 ,  周亮 ,  张良伦

IPC分类号： G06Q30/0601 ,  G06Q50/00

摘要： 本发明实施例提供一种基于分享行为的社交电商网站商品推荐方法及装置，该方法包括：获取商品分享信息；将所述商品分享信息输入预设商品推荐模型，得到商品推荐结果；其中，所述预设商品推荐模型是根据带分享后购买标签的用户商品样本信息和带有自由购买标签的用户商品样本信息。通过分享者影响力模型和所述被分享者影响力模型建立融合模型，并根据融合模型损失函数，通过学习得到融合模型中的用户兴趣向量、用户社交影响力向量、以及商品表征向量，推断在经过用户推荐后，所有商品被好友购买的概率，并依次进行排序，得到商品推荐结果。

公开(公告)号：CN110969516B

公开(公告)日：2024-04-26

申请号：CN201911358070.3

申请日：2019-12-25

申请人： 清华大学 ,  杭州微拓科技有限公司

发明人： 李勇 ,  郑瑜 ,  卢中县 ,  金德鹏 ,  周亮 ,  张良伦

IPC分类号： G06Q30/0601 ,  G06F18/22 ,  G06F16/9535 ,  G06F16/9538 ,  G06F18/2431 ,  G06N3/042 ,  G06N3/084

摘要： 本发明实施例提供一种商品推荐方法及装置，该方法包括：将目标用户输入到训练后的推荐系统中，获取候选商品集合；根据目标用户表征向量和目标商品表征向量，基于最近邻搜索算法，对所述候选商品集合中的每一候选商品进行重新排序，将排序靠前的若干候选商品作为最佳推荐商品；将所有最佳推荐商品推荐给用户。本发明实施例提供一种商品推荐方法及装置，基于图神经网络构建的推荐系统，根据目标用户和每个商品之间的相似度，生成目标用户表征向量和目标商品表征向量，提高了候选商品的多样性，从而提高了最佳推荐商品的多样性，并且通过商品召回阶段，将概率最大的商品推荐给用户，提高了推荐的准确率。

公开(公告)号：CN111177581A

公开(公告)日：2020-05-19

申请号：CN201911359245.2

申请日：2019-12-25

申请人： 清华大学 ,  杭州微拓科技有限公司

发明人： 金德鹏 ,  高宸 ,  李勇 ,  卢中县 ,  徐裕键 ,  周亮 ,  张良伦

IPC分类号： G06F16/9536 ,  G06Q30/06 ,  G06Q50/00

摘要： 本发明实施例提供一种基于多平台的社交电商网站商品推荐方法及装置，该方法包括：获取普通电商平台用户商品交互行为数据、社交电商平台用户商品交互行为数据和社交电商平台用户社交关系数据；将普通电商平台用户商品交互行为数据、社交电商平台用户商品交互行为数据和社交电商平台用户社交关系数据输入预设社交-普通电商平台融合模型，得到商品个性化推荐信息。通过基于普通电商推荐模型和社交电商推荐模型，构建融合模型损失函数，从而保证训练过程中，能有效利用来自普通电商平台的用户商品交互行为数据和来自社交电商平台用户商品交互行为数据，充分考虑了普通平台和社交电商平台的用户行为，提高了商品个性化推荐准确率。

公开(公告)号：CN110969516A

公开(公告)日：2020-04-07

申请号：CN201911358070.3

申请日：2019-12-25

申请人： 清华大学 ,  杭州微拓科技有限公司

发明人： 李勇 ,  郑瑜 ,  卢中县 ,  金德鹏 ,  周亮 ,  张良伦

IPC分类号： G06Q30/06 ,  G06K9/62 ,  G06F16/9535 ,  G06F16/9538

摘要： 本发明实施例提供一种商品推荐方法及装置，该方法包括：将目标用户输入到训练后的推荐系统中，获取候选商品集合；根据目标用户表征向量和目标商品表征向量，基于最近邻搜索算法，对所述候选商品集合中的每一候选商品进行重新排序，将排序靠前的若干候选商品作为最佳推荐商品；将所有最佳推荐商品推荐给用户。本发明实施例提供一种商品推荐方法及装置，基于图神经网络构建的推荐系统，根据目标用户和每个商品之间的相似度，生成目标用户表征向量和目标商品表征向量，提高了候选商品的多样性，从而提高了最佳推荐商品的多样性，并且通过商品召回阶段，将概率最大的商品推荐给用户，提高了推荐的准确率。

公开(公告)号：CN111008858B

公开(公告)日：2023-10-31

申请号：CN201911019618.1

申请日：2019-10-24

申请人： 清华大学 ,  杭州微拓科技有限公司

发明人： 李勇 ,  丁璟韬 ,  平钰坤 ,  卢中县 ,  徐裕键 ,  张良伦 ,  金德鹏 ,  张凡宇 ,  周亮

IPC分类号： G06Q30/0202 ,  G06N3/0464 ,  G06N3/082

摘要： 本发明实施例提供一种商品销量预测方法及系统，包括：获取目标商品在预设历史时间段的销量序列和所有类似商品在预设历史时间段内的销量序列；获取相同特征商品促销活动序列的归一化销量；将目标商品在预设历史时间段的销量序列、所有类似商品在预设历史时间段的销量序列和相同特征商品促销活动序列的归一化销量输入到卷积层中，获取特征空间向量；将目标商品的静态特征、在预设历史时间段内的销量序列、平台爆发销量序列、商品爆发销量序列和特征空间向量进行拼接，将拼接之后的特征输入全连接层，获取目标商品在预测未来时间段内的销量。本发明实施例有效利用未来时间内平台的促销活动及商品的特卖排期信息，大幅提升预估准确度。

公开(公告)号：CN111144986A

公开(公告)日：2020-05-12

申请号：CN201911360358.4

申请日：2019-12-25

申请人： 清华大学 ,  杭州微拓科技有限公司

发明人： 李勇 ,  高宸 ,  卢中县 ,  金德鹏 ,  徐裕键 ,  周亮 ,  张良伦

IPC分类号： G06Q30/06 ,  G06Q50/00

摘要： 本发明实施例提供一种基于分享行为的社交电商网站商品推荐方法及装置，该方法包括：获取商品分享信息；将所述商品分享信息输入预设商品推荐模型，得到商品推荐结果；其中，所述预设商品推荐模型是根据带分享后购买标签的用户商品样本信息和带有自由购买标签的用户商品样本信息。通过分享者影响力模型和所述被分享者影响力模型建立融合模型，并根据融合模型损失函数，通过学习得到融合模型中的用户兴趣向量、用户社交影响力向量、以及商品表征向量，推断在经过用户推荐后，所有商品被好友购买的概率，并依次进行排序，得到商品推荐结果。

公开(公告)号：CN110889716A

公开(公告)日：2020-03-17

申请号：CN201910935469.7

申请日：2019-09-29

申请人： 清华大学 ,  杭州微拓科技有限公司

发明人： 李勇 ,  徐丰力 ,  朴景华 ,  卢中县 ,  徐裕键 ,  张良伦 ,  金德鹏

IPC分类号： G06Q30/02 ,  G06Q30/06 ,  G06K9/62

摘要： 本实施例提供一种识别潜在注册用户的方法及装置，该方法包括：获取第一预设时间段的用户画像数据及用户行为数据；对获取到的用户画像数据及用户行为数据进行特征提取；将提取的特征数据输入至预设的机器学习分类模型，获得第二预设时间段用户转化为注册用户的概率，并输出结果；其中，分类模型根据已确定注册转化结果的样本数据进行训练后得到。该方法不仅对用户画像此类静态数据进行分析，还对用户行为数据此类动态数据进行分析，能够全面客观的反应用户成为注册用户的潜在可能性。将提取的特征数据输入至机器学习分类模型，获得用户转化为注册用户的概率，能够有效提高预测的时效性，且能够对每个用户进行预测，对用户的定向营销效果较强。

公开(公告)号：CN111008858A

公开(公告)日：2020-04-14

申请号：CN201911019618.1

申请日：2019-10-24

申请人： 清华大学 ,  杭州微拓科技有限公司

发明人： 李勇 ,  丁璟韬 ,  平钰坤 ,  卢中县 ,  徐裕键 ,  张良伦 ,  金德鹏 ,  张凡宇 ,  周亮

IPC分类号： G06Q30/02 ,  G06N3/04 ,  G06N3/08

摘要： 本发明实施例提供一种商品销量预测方法及系统，包括：获取目标商品在预设历史时间段的销量序列和所有类似商品在预设历史时间段内的销量序列；获取相同特征商品促销活动序列的归一化销量；将目标商品在预设历史时间段的销量序列、所有类似商品在预设历史时间段的销量序列和相同特征商品促销活动序列的归一化销量输入到卷积层中，获取特征空间向量；将目标商品的静态特征、在预设历史时间段内的销量序列、平台爆发销量序列、商品爆发销量序列和特征空间向量进行拼接，将拼接之后的特征输入全连接层，获取目标商品在预测未来时间段内的销量。本发明实施例有效利用未来时间内平台的促销活动及商品的特卖排期信息，大幅提升预估准确度。