[發明專利]一種基于在線拍賣行業的商品人氣分預測方法及系統

在審

• 申請號: 202011176886.7
• 申請日: 2020-10-29
• 公開（公告）號: CN112308607A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 趙爭超;郭光偉;李森;王明;張華偉
• 申請（專利權）人: 杭州微拍堂文化創意有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06;G06Q30/08;G06Q10/06;G06N3/08;G06N3/04;G06K9/62;G06F40/295;G06F16/335
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 陳升華

本發明公開了一種基于在線拍賣行業的商品人氣分預測方法及系統，包括：對店鋪的每日運營數據清洗，挖掘各個時間維度上的健康度指標；對細分行業的數據清洗，挖掘行業熱度指標；對商品的內容采用NER技術挖掘商品的賣點；商品表達挖掘模塊采用NLP技術挖掘商品標題中的營銷亮點；采用深度學習模塊特征進行模型訓練；發布商品后，采用模型訓練后的深度學習模塊對商品進行商品人氣分預測。本發明從店鋪累積人氣、細分行業熱度、商品賣點挖掘和商品的標題內容表達4個方面挖掘商品的人氣相關性特征，并作為特征輸入給深度學習的模型，能夠更準確地實時預測該商品的人氣值，使得消費者對平臺的商品出價意愿提升。

技術領域

本發明涉及電商人氣預測技術領域，具體涉及一種基于在線拍賣行業的商品人氣分預測方法及系統。

背景技術

在電商平臺中，量化和預測每個商品的受歡迎程度，也就是我們所說的商品人氣分，有著重要的商業意義，它的目標在于流量運營的效率最大化，即，在平臺商業規則等因素的基礎上，把流量傾斜給高人氣的商品。在個性化推薦、搜索排序、競價廣告、營銷活動等場景中，商品的人氣分被廣泛應用。

人氣分預測模型在普通電商平臺上的通用做法是：利用商品的冷啟動階段的銷量時序特征，結合平臺、商家歷史及上下文特征等信息，來預測未來的銷量。但在拍賣模式下，人氣分模型的難點在于：拍賣沒有“銷量”的概念，一旦達成一筆交易就意味著商品生命周期的結束，因此普通電商人氣分模型最重要的冷啟動階段的時序特征，在拍賣模式下是缺失的。所以，當前在線拍賣商品的人氣分通常會用店鋪的人氣分代替，通過店鋪的歷史成交趨勢、好評度等多維度綜合打分方式給店鋪一個綜合分作為店鋪下商品的人氣分，這樣做的缺陷是粒度不夠細致，無法區分同個店鋪下不同商品的人氣差異，也容易給商家鉆空子：通過來運營一些高人氣的商品來帶動其他品質不高的商品的銷量。

現有技術中，基于店鋪經營健康度的線性模型，是在線拍賣行業當前比較常用的人氣分建模方法，通過對店鋪人氣值的預測來作為商品人氣分值。通常的建模過程如下：

1)店鋪的經驗健康度特征挖掘，通常會通過挖掘店鋪的長、中、短期的不同時間維度下的成拍、流拍、流量轉化率、銷量、售后好評率等特征，也就是我們模型中的第一部分的內容。

2)店鋪人氣值的正負樣本定義，通常會通過業務專家定義一些熱門店鋪和冷門店鋪的規則，把符合規則的兩種店鋪作為模型預測的正負樣本

3)線性模型構建，通常通過邏輯回歸的算法來訓練模型，模型的輸出分會在0-1之間，因此作為店鋪的人氣分。

建模的方式是：

假設我們設定的店鋪健康度特征為X＝{x₁，x₂，...x_i...x_n}表示通過n為變量來共同表達店鋪的人氣值影響特征，而模型的目標就是學習每個變量的權重θ，使得θ^TX＝θ₀+θ₁x₁+θ₂x₂+，...，+θ_nx_n，[即h_θ(x)＝1/(1+e^(-θ^Tx))]且h_θ(x)符合正負樣本預期，模型通常會通過隨機梯度下降的方式求解。

現有人氣店鋪的建模方式主要存在如下缺點：

一、只計算到店鋪維度，顆粒度太粗，無法區分同個店鋪下不同商品的人氣差異；

二、規則上容易被商家鉆空子，通過運營1-2件人氣商品帶動其他低質商品的銷量；

三、無法體現商品賣點差異對人氣的影響；

四、無法體現不同的商品標題表達形式對用戶購買意愿的影響；

五、建模的過程通常只關注樣本的整體排序性，而忽略了頭尾部的可靠性。