[發明專利]數據挖掘方法及裝置

有效

• 申請號: 201710397745.X
• 申請日: 2017-05-31
• 公開（公告）號: CN107239532B
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 李滿天;王玉;張波
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06N3/04
• 代理公司: 中國國際貿易促進委員會專利商標事務所 11038
• 代理人: 王莉莉

1.一種數據挖掘方法，其特征在于，包括：

將目標的內容數據輸入內容卷積神經網絡CNN，獲取目標的內容特征向量：所述內容CNN包括第一內容CNN和第二內容CNN，利用文本深度表示模型，將目標的文本描述編碼為二維矩陣；將所述二維矩陣輸入第一內容CNN，獲取目標的文本特征向量；根據目標的圖片的像素值，將目標的圖片編碼為多維矩陣；將所述多維矩陣輸入第二內容CNN，獲取目標的圖片特征向量；將所述文本特征向量與所述圖片特征向量作為目標的內容特征向量；

將目標的歷史數據輸入統計CNN，獲取目標的統計特征向量；

將目標的內容特征向量和目標的統計特征向量級聯后輸入深度神經網絡DNN，獲取目標的預估數據。

2.如權利要求1所述的方法，其特征在于，所述將目標的歷史數據輸入統計CNN，獲取目標的統計特征向量包括：

將目標在不同時段的歷史數據級聯為時域統計序列；

將所述時域統計序列輸入所述統計CNN，獲取目標的時域統計特征向量，并將所述時域統計特征向量作為目標的統計特征向量。

3.如權利要求1所述的方法，其特征在于，所述將目標的歷史數據輸入統計CNN，獲取目標的統計特征向量包括：

將目標的統計區域離散化為多個子區域；

將目標在相同時段不同子區域內的歷史數據編碼為地域統計矩陣；

將所述地域統計矩陣輸入所述統計CNN，獲取目標的地域統計特征向量，并將所述地域統計特征向量作為目標的統計特征向量。

4.如權利要求1所述的方法，其特征在于，所述統計CNN包括第一統計CNN和第二統計CNN；

所述將目標的歷史數據輸入統計CNN，獲取目標的統計特征向量包括：

將目標在不同時段的歷史銷量級聯為時域統計序列；

將所述時域統計序列輸入第一統計CNN，獲取目標的時域統計特征向量；

將目標的統計區域離散化為多個子區域；

將目標在相同時段不同子區域內的歷史數據編碼為地域統計矩陣；

將所述地域統計矩陣輸入第二統計CNN，獲取目標的地域統計特征向量；

將所述時域統計特征向量與所述地域統計特征向量作為所述目標的統計特征向量。

5.如權利要求1至4中任一項所述的方法，其特征在于，所述內容CNN由卷積層、池化層、全連接層以及輸出層組成。

6.如權利要求1至4中任一項所述的方法，其特征在于，所述統計CNN由卷積層、池化層、以及輸出層組成。

7.如權利要求1所述的方法，其特征在于，所述DNN由全連接層和輸出層組成，所述全連接層中的各個神經元執行非線性激活函數運算。

8.如權利要求1所述的方法，其特征在于，所述方法還包括：

計算目標的實際數據與預估數據的平均平方誤差；

利用反向傳播算法，將所述平均平方誤差從所述內容CNN、所述統計CNN以及所述DNN組成的組合神經網絡的輸出層向輸入層傳遞，以迭代更新所述組合神經網絡中各層的參數。

9.如權利要求1所述的方法，其特征在于，所述方法還包括：

利用樣本的內容數據和樣本的歷史數據，對所述內容CNN、所述統計CNN以及所述DNN組成的組合神經網絡進行訓練。