(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 202111655687.9 (22)申请日 2021.12.3 0 (71)申请人 杭州盟码科技有限公司 地址 310000 浙江省杭州市滨江区浦沿街 道信诚路5 55号2幢2316室 (72)发明人 费岸　 (74)专利代理 机构 绍兴上虞诚知创专利代理事 务所(普通 合伙) 33354 专利代理师 冯如杰 (51)Int.Cl. G06Q 30/06(2012.01) G06Q 30/02(2012.01) G06F 17/16(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 电商云数据分析方法及系统 (57)摘要 本申请公开了一种电商云数据分析方法及 系统， 其中， 方法包括： 获取一个分析对象的历史 购物数据中的原始购物数据和原始评价数据； 根 据分析对象的历史购物数据中的原始购物数据 和原始评价数据生成一个情感量化矩阵， 情感量 化矩阵反映分析对象的原始评价数据所体现出 针对产品的量化的情感程度； 将情感量化矩阵输 入至一个数据分析模型以使数据分析模型输出 一个针对分析对象的倾向购买产品。 本申请的有 益之处在于： 提供了一种根据分析对象的购物和 评价数据生成情感量化矩 阵以准确为分析对象 推荐倾向购买产品的电商云数据分析方法及系 统。 权利要求书2页 说明书9页 附图8页 CN 114493760 A 2022.05.13 CN 114493760 A 1.一种电商云数据分析 方法， 包括： 获取一个分析对象的历史购物数据中的原 始购物数据和原 始评价数据； 根据所述分析对象的历史购物数据中的原始购物数据和原始评价数据生成一个情感 量化矩阵， 所述情感量化矩阵反映所述分析对象的原始评价数据所体现出针对产品的量化 的情感程度； 将所述情感量化矩阵输入至一个数据分析模型以使所述数据分析模型输出一个针对 所述分析对象的倾向购买产品。 2.根据权利要求1所述的电商云数据分析方法， 其中， 所述根据 所述分析对象的历史购 物数据中的原 始购物数据和原 始评价数据生成一个情感量 化矩阵， 包括： 根据所述分析对象的历史购物数据中的原始购物数据和原始评价数据获得处于一个 产品小类中的产品对应的情感分值vij； 将m个分析对象的所述处于一个产品小类中的产品对应的情 感分值生成一个情感量化 矩阵Vmn＝(vij)mxn； 其中i表示分析对象编号， j表示 一个产品类目下的产品编号。 3.根据权利要求2所述的 电商云数据分析方法， 其中， 所述将m个分析对象的所述处于 一个产品小类中的产品对应的情感分值 生成一个情感量 化矩阵Vmn＝(vij)mxn， 包括： 根据分析对象的历史购物数据中的原始购物数据获取备选产品并按照排序值Y的大小 排列以构成备选产品列表； 从所述备选产品列表中选择 预设数量的所述备选产品。 4.根据权利要求3所述的电商云数据分析方法， 其中， 所述根据分析对象的历史购物数 据中的原 始购物数据获取 备选产品 并按照排序值Y的大小排列以构成备选产品列表， 包括： 根据所述分析对象的历史购物数据中的原始购物数据分别获取备选产品的初始浏览 时间与当前时间的时间差Ta、 备选产品的购买时间与当前时间的时间差Tb， 并获得两者的 比值Tb/Ta； 根据所述分析对象的历史购物数据中的原 始购物数据获取 备选产品的浏览次数Na； 根据所述分析对象的历史购物数据中的原始购物数据获取备选产品的添加购物车时 间与当前时间的时间差Tc、 备选产品的购买时间与当前时间的时间差Tb， 并获得两者的比 值Tb/Tc； 结合备选产品的Tb/Ta、 浏览次数Na及Tb/Tc获得排序值； 其中所述排序值的计算方法为Y＝α*Na+β *(Tb/Ta)+γ*(Tb/Tc)； 其中α、 β及γ均为常 数。 5.根据权利要求1所述的电商云数据分析方法， 其中， 所述根据 所述分析对象的历史购 物数据中的原 始购物数据和原 始评价数据生成一个情感量 化矩阵， 包括： 根据所述分析对象的历史购物数据中的原始购物数据和原始评价数据获得处于一个 产品小类中的产品对应的情感分值vk ij， 并将它们构成一个产品小类对应的情感分矩阵Vk ＝(vk ij)1xn； 根据处于一个产品大类中的产品小类对应的情感分矩阵Vk构成一个产品大类的情感子 矩阵W,其中所述情感子矩阵W ＝(V1 V2  …  Vk  …)；权　利　要　求　书 1/2 页 2 CN 114493760 A 2将m个分析对象的情感子矩阵W构成情感量 化矩阵 其中k表示处于一个产品大类下的产品小类编号， i表示分析对象编号， j表示一个产品 类目下的产品编号,h表示产品大类的数量。 6.根据权利要求5所述的电商云数据分析方法， 其中， 所述根据处于一个产品大类 中的 产品小类对应的情感分矩阵Vk构成一个产品大类的情感子矩阵W， 包括： 根据分析对象的历史购物数据中的原始购物数据获取包含有备选产品的备选小类并 按照筛选值Y的大小排列以构成备选小类列表； 从所述备选小类列表中选择 预设数量的所述备选小类。 7.根据权利要求6所述的电商云数据分析方法， 其中， 所述根据分析对象的分析对象的 历史购物数据中的原始购物数据获取备选产品的并按照筛选值Z的大小排列以构成备选小 类列表， 包括： 根据所述分析对象的历史购物数据中的原 始购物数据获取 备选产品的价格P； 根据所述分析对象的历史购物数据中的原始购物数据获取备选产品所属备选小类的 最近购买行为与当前时间的时间差Td； 结合备选产品的价格P和备选产品所属备选小类的最近购买行为与当前时间的时间差 Td获得筛 选值。 8.根据权利要求7所述的 电商云数据分析方法， 其中， 所述筛选值的计算方法为Z＝θ* (Td/60min)+ω*P； 其中θ 为常数， ω为常数。 9.根据权利要求1所述的 电商云数据分析方法， 其中， 所述数据分析模型采用LTR神经 网络模型。 10.一种电商云数据分析系统， 所述电商云数据分析系统执行如权利要求1至9任意一 项所述的方法。权　利　要　求　书 2/2 页 3 CN 114493760 A 3