[發明專利]面向線上購物用戶消費習慣的智能大數據分析設計方法

在審

• 申請號: 202011217643.3
• 申請日: 2020-11-04
• 公開（公告）號: CN112330361A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 朱博;袁云燕;左翌;張雨釗;蔡文華
• 申請（專利權）人: 江蘇瑞祥科技集團有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06;G06N3/04;G06N3/08
• 代理公司: 南京智造力知識產權代理有限公司 32382
• 代理人: 朱旭

本發明的一種面向線上購物用戶消費習慣的智能大數據分析設計方法，包括依次連接的用戶數據采集模塊、壓縮編碼模塊、空間池模塊和時間池模塊。對HTM空間池的結構進行了重構，在每個微柱中增加所匹配的輸入信息，計算微柱的承載度，作為考核微柱在HTM空間池中利用程度的度量，為選擇的微柱能夠稀疏分布空間池提供支撐；利用HTM中微柱與輸入的重疊值對微柱進行分級，再結合微柱的承載度等信息挑選微柱，增強HTM空間池中選擇微柱的均勻性，提高空間池微柱的利用率；設計基于壓縮編碼的突觸調整規則，在學習新輸入時，保護HTM微柱中已有的有效關聯信息，從而在保證HTM良好動態適應能力的同時，減少HTM空間池的抖動，提高HTM訓練的效率，增強空間池的穩定性。

技術領域

本發明涉及人工智能深度學習技術領域，尤其是一種面向線上購物用戶消費習慣的智能大數據分析設計方法。

背景技術

商家和用戶雙向信息交流是直復營銷理論中一個重要的理論觀點，互聯網技術恰能為網絡銷售中的消費者和企業構建了無障礙的溝通渠道，這使得網絡營銷的參與者中，消費者可以通過互聯網與企業達成最基本的交易，企業也可以通過網絡收集消費者信息和問題反饋，并依此及時調整營銷策略，提高銷售率。而且網絡銷售信息可以通過數字化存儲和分析，增加企業的決策依據。

近年來，深度學習算法在圖像處理、語音處理、自然語言處理等多個領域得到廣泛的應用并產生巨大的影響，這在很大程度上歸功于各種新型神經網絡模型以及高效的模型訓練方法。隨著生物神經科學的進步，越來越多的新型神經網絡正在被研究。HTM(Hierarchical Temporal Memory)是一種模仿人腦中處理高級認知功能的新皮質部分運作原理的新型人工神經網絡，其將接受到的各種模式與記憶中的模式進行匹配，并對下一刻將會接收到的信息作出預測與反應，如此循環往復，從而體現時效性(Temporal)。

HTM以輸入的稀疏分布表示為基礎進行工作，空間池訓練算法(spatial poollearning algorithm，SPL)利用赫比規則建立輸入編碼與微柱突觸之間的連接，通過輸入編碼的有效位激活空間池中的微柱集，實現用空間池微柱的稀疏分布表征來表達輸入。在該過程中，希望空間池能夠像大腦皮層一樣維持一定的靈活性：1、盡可能讓空間池的所有微柱都參與輸入的表達，2、表達輸入的微柱具有一定的稀疏度并散列在空間池中，3、避免微柱與輸入產生過多無效的突觸連接，4、避免微柱被少量活躍突觸激活，5、空間池具有一定的自適應性，應對微柱或輸入的損壞。為此空間池訓練算法引入了激勵規則和抑制規則，設置微柱激活閾值以及維持龐大的突觸池，通過多次訓練，空間池便可動態調整到所希望的目標，但是維持龐大的突觸池會降低空間池訓練算法訓練效率，激勵規則和抑制規則會導致訓練結果的不穩定。為了提高HTM對線上購物用戶消費習慣的學習能力，有必要設計新型的空間池池算法，降低HTM空間池訓練算法的時間開銷，提高空間池訓練結果的穩定性。

發明內容

本發明要解決的技術問題是：為了解決上述背景技術中存在的問題，提供一種改進的面向線上購物用戶消費習慣的智能大數據分析設計方法，以解決現有HTM空間池訓練效率低和空間池訓練結果穩定性差的問題。

本發明解決其技術問題所采用的技術方案是：一種面向線上購物用戶消費習慣的智能大數據分析設計方法，包括依次連接的用戶數據采集模塊、壓縮編碼模塊、空間池模塊和時間池模塊，所述用戶消費數據采集模塊構建輸入序列，所述壓縮編碼模塊對輸入的序列進行壓縮，所述空間池模塊包括依次連接微柱激活子模塊和微柱突觸調整子模塊，所述微柱激活子模塊用于激活空間池的微柱集，獲取輸入的稀疏分布表征，所述微柱突觸調整子模塊用于對微柱上的突觸進行調整，構建輸入與激活微柱集的映射關系，所述時間池模塊用于構建對歷史用戶消費數據分析，具體過程包括以下步驟：

步驟1，采集某個較長時間段內，線上線上用戶消費數據信息，與當時的時間信息一起構建歷史線上線上用戶消費數據集，使其包含消費物品和時間則兩方面的特性，構成具有時序特性的線上線上用戶消費數據流；