[發明專利]一種基于大數據模型的競品分析方法、終端及存儲介質

在審

• 申請號: 202310960482.4
• 申請日: 2023-08-02
• 公開（公告）號: CN116664173A
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 高漸朋;邱洪濤
• 申請（專利權）人: 成都信通信息技術有限公司
• 主分類號: G06Q30/0201
• 分類號: G06Q30/0201;G06Q30/0282;G06F18/23213
• 代理公司: 成都行之智信知識產權代理有限公司 51256
• 代理人: 李林

1.一種基于大數據模型的競品分析方法，其特征在于，包括：

選擇需要進行競品分析的銷售平臺，并爬取商家設定的商品描述，將商品描述輸入至大語言模型，通過大語言模型輸出商品種類；

確定需分析的自身商品，并從大語言模型輸出的商品種類中篩選出多個可能競品；

連續多日爬取所有可能競品的評價指標，評價指標包括：銷售數量、顧客評價數量、顧客評價內容、店鋪評分、價格；

對收集的評價指標進行數據清洗；

確定每一個可能競品的周期性評價指標，并對周期性評價指標進行分級，并確定周期性評價指標的權重；

根據權重確定每一個可能競品的綜合得分；

將綜合得分導入K-means算法，并計算確定聚類個數和聚類中心；

將聚類中心作為最終競品輸出。

2.根據權利要求1所述的一種基于大數據模型的競品分析方法，其特征在于，設定周期T，周期性評價指標為周期T內評價指標的改變量，設定第個競品的周期性評價指標包括：新增銷售數量、新增顧客評價數量、新增顧客評價內容、店鋪評分、價格，，；

對周期性評價指標進行分級的方法為：

按照從少到多將新增銷售數量分為1級、2級、3級、4級和5級；

按照從少到多將新增顧客評價數量分為1級、2級、3級、4級和5級；

按照從高到低將價格分為1級、2級、3級、4級和5級；

按照從從低到高將店鋪評分為1級、2級、3級、4級和5級；

通過大語言模型對新增顧客評價內容進行識別，并按照差評、偏差評、中性、偏好評、好評將顧客評價內容分為1級、2級、3級、4級和5級。

3.根據權利要求2所述的一種基于大數據模型的競品分析方法，其特征在于，確定周期性評價指標的權重的方法包括：

對周期性評價指標進行歸一化：，其中，為可能競品的數量，為歸一化后的數據；

計算每一個周期性評價指標的信息熵：，其中，為第項評價指標的信息熵，若則定義；

計算每一個周期性評價指標的權重值：，其中，為第項評價指標的權重。

4.根據權利要求3所述的一種基于大數據模型的競品分析方法，其特征在于，確定每一個可能競品的綜合得分的方法包括：

構建數據矩陣，并構造正負理想解：；

確定每一個可能競品與正負理想解之間的加權距離：；

計算每一個可能競品的綜合得分：。

5.根據權利要求1所述的一種基于大數據模型的競品分析方法，其特征在于，確定聚類個數和聚類中心的方法包括：

確定由所有可能競品的綜合得分構成的樣本集，并計算第個樣本與樣本集中其余樣本的平均歐式距離：，其中，為樣本集中除以外的任意樣本，為到的距離，為可能競品的數量；

計算以為中心，在距離范圍內的歐氏距離內樣本數量：

，其中，為判定函數，若變量不小于0，則函數值為1；若變量小于0，則函數值為0；

計算所有樣本的歐氏距離內樣本數量，并降序排列；

設定聚類個數，并選取前個樣本作為聚類中心，計算聚類簇內每個樣本到聚類中心的平均距離：，，其中，為第個聚類簇中的樣本總數，為第個聚類簇的聚類中心，為聚類簇中的其他樣本；

計算評估值，，其中，、為任選的聚類中心，、為聚類簇內樣本到聚類中心的平均距離，為兩個聚類中心之間的距離；

設定評估閾值，若遍歷所有聚類中心后，任意兩個聚類中心的評估值均存在，則輸出個聚類中心；若遍歷所有聚類中心后，某兩個聚類中心的評估值存在，則修正值并重新進行評估值評斷。

6.根據權利要求1所述的一種基于大數據模型的競品分析方法，其特征在于，確定聚類個數和聚類中心的方法包括：

構建K-means數學模型，并通過手肘法確定聚類個數，隨機任選獲得初始聚類中心；

將剩余的B個可能競品按照就近分配選擇劃分至上述初始聚類中心形成聚類簇，B為可能競品總數量與聚類個數之差；

基于形成的聚類簇，計算新的聚類中心，并重復上一步驟；

判斷是否滿足聚類結束條件，若不滿足則重復上一步驟，若滿足則輸出聚類個數和聚類中心。