CN115775173A - 一种基于算法和人工智能的电商数据团购推演*** - Google Patents

一种基于算法和人工智能的电商数据团购推演*** Download PDF

Info

Publication number
CN115775173A
CN115775173A CN202310103173.5A CN202310103173A CN115775173A CN 115775173 A CN115775173 A CN 115775173A CN 202310103173 A CN202310103173 A CN 202310103173A CN 115775173 A CN115775173 A CN 115775173A
Authority
CN
China
Prior art keywords
time
module
state variable
user
probability
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202310103173.5A
Other languages
English (en)
Other versions
CN115775173B (zh
Inventor
王洪平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Wakeup Technology Media Co ltd
Original Assignee
Guangdong Deao Smart Medical Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Deao Smart Medical Technology Co ltd filed Critical Guangdong Deao Smart Medical Technology Co ltd
Priority to CN202310103173.5A priority Critical patent/CN115775173B/zh
Publication of CN115775173A publication Critical patent/CN115775173A/zh
Application granted granted Critical
Publication of CN115775173B publication Critical patent/CN115775173B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于算法和人工智能的电商数据团购推演***，包括注册模块、登录模块、数据库管理模块、预购模块、推演模块、团购服务模块和交易模块，用户通过注册模块和登录模块完成个人的信息注册和登录，商品的信息会在数据库管理模块中进行保存，用户将想要购买的商品通过预购模块存入购物车，存入预购模块的商品会被本发明提供的***检测到，通过推演模块推送将该类商品推送至其他用户界面，通过团购服务模块建立团购链接，以更低的价格拼团买进，在交易模块完成最终高度交易。本发明的有益效果：能够快速的为用户找到团购拼友，以更实惠的价格买进，增加网络交易流量。

Description

一种基于算法和人工智能的电商数据团购推演***
技术领域
本发明涉及人工智能和大数据领域，具体地说，涉及一种基于算法和人工智能的电商数据团购推演***。
背景技术
近年来，移动互联网在我国正处于快速发展阶段，移动互联网的发展影响着居民的生活方式和网络服务方式，网络服务与社区居民的生活密不可分。网络购物平台不仅可以实现居民之间的交流，解决居民的生活需求，还可以提高居民的生活质量，为居民创造更好的生活环境。在我国，随着移动互联网的发展，越来越多的网民通过手机、平板电脑等上网，移动设备的数量远远超过了使用电脑上网的人数，服务业的发展和移动互联网技术的创新正在颠覆原有用户的生活***台与智慧社区正在共同发展，智能购物作为网络购物的新概念，是智慧城市的重要组成部分，是网络购物平台结合移动互联网技术的创新管理模式。智能购物在发展移动互联网等基础网络的基础上，进一步运用物联网、云计算等信息技术和技术手段，打造更加安全、舒适、便捷的智能购物服务模式。随着科学技术的飞速发展，物联网时代已经到来，物联网技术在信息化和产业建设中的应用不断，物联网也在改变着人们的日常生活，基于人工智能的用户购物推演技术将悄无声息地渗透到线上购物的方方面面。
发明内容
本发明的目的在于提供一种基于算法和人工智能的电商数据团购推演***，以解决上述背景技术中提出的问题。
为实现上述目的，提供了一种基于算法和人工智能的电商数据团购推演***，包括注册模块、登录模块、数据库管理模块、预购模块、推演模块、团购服务模块和交易模块，用户通过注册模块和登录模块完成个人的信息注册和登录，商品的信息会在数据库管理模块中进行保存，信息包括商品的名称、进货价、出售价、入库时间、商品来源，用户将想要购买的商品通过预购模块存入购物车，存入预购模块的商品会被本发明提供的***检测到，并且预购模块具有团购服务权限，用户可依需求打开或关闭权限，通过推演模块将该类商品推送至其他用户界面，并利用利用马尔科夫状态转移概率来推演用户的购买动作，通过团购服务模块建立团购链接，以更低的价格拼团买进，在交易模块完成最终的交易。
进一步的，所述注册模块用来完成用户信息的注册，该用户的注册信息必须是实名制的，以防止网络恶意病毒、木马、爬虫的高频侵入攻击，注册信息包括用户的姓名、身份证号、手机号、用户名和登录密码。
进一步的，所述登录模块，是指在用户完成个人信息注册后，以用户自身身份登录该平台的方式，用户可以根据已注册的注册信息，通过用户名和登录密码的方式完成平台的登录。
进一步的，所述数据库管理模块，用来存储商品数据的信息，信息包括商品的名称、进货价、出售价、入库时间、商品来源，数据库管理模块中商品的信息会及时存储并更新，保证上数据的信息有效性。
进一步的，所述预购模块为用户提供预购商品暂存的购物车，购物车的商品依照用户的需求可打开团购服务权限，若打开团购服务权限，该商品的推荐信息将匿名在其他用户***界面进行推广，以扩展浏览量的方式增加其他用户购买本商品的可能性，预购模块加入购物车的商品有一定的保存期限，超过保存期限的商品将自动关闭团购服务权限。
进一步的，所述推演模块能够分析当前***用户倾向的购买信息，结合智能算法分析出当前时段用户的倾向商品分析出团购趋势，并且能够实现P2E（PersontoEnd）的互动方式，设
Figure SMS_67
为一随机过程，在交互模块分析商品信息状态与用户实时购买动作时，假设分析时长上限为T，S为其状态空间，对任意的t满足：
Figure SMS_72
，其中t为时刻，
Figure SMS_77
为第1个时刻，
Figure SMS_68
为第2个时刻，
Figure SMS_74
为第n个时刻，任意的s满足：
Figure SMS_78
，
Figure SMS_81
，其中s为状态变量，
Figure SMS_2
为第1个状态变量，
Figure SMS_10
为第2个状态变量，
Figure SMS_19
为第n个状态变量，随机变量
Figure SMS_26
在已知变量
Figure SMS_35
之下的条件分布函数只与
Figure SMS_45
，有关，而与
Figure SMS_53
无关，条件分布函数满足等式：
Figure SMS_60
其中，
Figure SMS_33
为第n-1个状态变量，
Figure SMS_41
为第n-1个时刻，F为概率函数，其概率表示为：
Figure SMS_47
在用户购买商品的过程中，每一个商品都有其各自的状态，而每一个用户在每一个决策都有其动作，这一过程视为马尔可夫过程，设马尔可夫随机过程有n个动作为
Figure SMS_56
，
Figure SMS_5
，以状态变量
Figure SMS_12
表示在t时刻处于状态
Figure SMS_20
，
Figure SMS_27
，根据马尔可夫链性质可以得到，当状态变量
Figure SMS_4
Figure SMS_11
t时刻的动作为
Figure SMS_17
，在t+1时刻态变量
Figure SMS_28
的动作转移为
Figure SMS_38
，
Figure SMS_46
的概率只与
Figure SMS_54
有关，记状态转移概率矩阵为：
Figure SMS_63
Figure SMS_21
其中，
Figure SMS_29
表示在t时刻状态变量的动作为
Figure SMS_36
，在t+1时刻状态变量的动作仍为
Figure SMS_43
的概率，
Figure SMS_51
表示在t时刻状态变量的动作为
Figure SMS_62
，在t+1时刻状态变量的动作为
Figure SMS_70
的概率，
Figure SMS_75
表示在t时刻状态变量的动作为
Figure SMS_1
，在t+1时刻状态变量的动作为
Figure SMS_9
的概率，
Figure SMS_18
表示在t时刻状态变量的动作为
Figure SMS_25
，在t+1时刻状态变量的动作为
Figure SMS_34
的概率，
Figure SMS_42
表示在t时刻状态变量的动作为
Figure SMS_49
，在t+1时刻状态变量的动作仍为
Figure SMS_57
的概率，
Figure SMS_40
表示在t时刻状态变量的动作为
Figure SMS_50
，在t+1时刻状态变量的动作为
Figure SMS_59
的概率，
Figure SMS_66
表示在t时刻状态变量的动作为
Figure SMS_7
，在t+1时刻状态变量的动作为
Figure SMS_16
的概率，
Figure SMS_24
表示在t时刻状态变量的动作为
Figure SMS_32
，在t+1时刻状态变量的动作为
Figure SMS_61
的概率，
Figure SMS_69
表示在t时刻状态变量的动作为
Figure SMS_73
，在t+1时刻状态变量的动作为
Figure SMS_79
的概率，
Figure SMS_65
表示在t时刻状态变量的动作为
Figure SMS_71
，在t+1时刻状态变量的动作仍为
Figure SMS_76
的概率，满足
Figure SMS_80
，对于每一个转移概率，有：
Figure SMS_37
根据Chapman-Kolmogorov方程：
Figure SMS_44
，可以推出经过k次的迭代后，转移概率矩阵为：
Figure SMS_52
那么对于t时刻状态变量
Figure SMS_58
的动作为
Figure SMS_6
的概率为：
Figure SMS_13
由于商品的属性具有时序性，具有时序性的商品将影响到商品价格的规律性波动，推演模块为了分析出当前时段用户的倾向商品的团购趋势，在上述算法的基础上结合了差分自回归移动平均模型：
Figure SMS_22
其中，
Figure SMS_30
表示在t时刻，在转移概率
Figure SMS_8
的影响下实时商品售价，
Figure SMS_15
为t时刻下的白噪声序列，
Figure SMS_23
为偏置，
Figure SMS_31
为第
Figure SMS_39
个自回归系数，
Figure SMS_48
，
Figure SMS_55
为自回归阶数，
Figure SMS_64
为移动平均阶数，
Figure SMS_3
为
Figure SMS_14
时刻实时商品售价。
进一步的，当打开团购服务权限，通过团购服务模块建立团购链接，显示出本件商品拼单的人数以及拼单后的优惠。
进一步的，当用户同意支付本次团购的商品时，在所述交易模块用于用户完成商品的最终交易。
本发明的有益效果：本发明提供了一种基于算法和人工智能的电商数据团购推演***，为线上团购提供新思路，通过团购服务权限增强商品的扩展与宣传，当用户打开团购服务权限后，能够将存入购物车的商品信息推送至其他用户***界面，增加用户点击浏览的概率，当其他用户也愿意购买本件商品时，可实现拼单的优惠价格，当用户的所购商品具有隐私性时，用户可选择关闭团购服务权限，此时加入购物车的商品不会被本***所推广，保护了用户的隐私性。本发明还采用了人工智能算法，利用马尔可夫状态转移概率推演本***用户的购买动作，可以推出经过数次的迭代后转移概率矩阵，以此来推演多次决策后用户的购买动作，且马尔可夫状态转移矩阵具有独立性，两种决策之间在时域上互不干扰，创新之处在于利用差分自回归移动平均模型增强上述算法的时序性，具有时序性的商品将影响到商品价格的规律性波动，以推演在整个购买时间内商品价格的动态性波动，更多元、更合理的预测出用户下一次的购买行为，并且以推广的方式帮助用户快速找到团购拼友，以更实惠的价格买进，增加网络交易流量。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
具体实施方式
结合以下实例对本发明作进一步描述。
参见图1，本发明旨在提供一种基于算法和人工智能的电商数据团购推演***，包括注册模块、登录模块、数据库管理模块、预购模块、推演模块、团购服务模块和交易模块，用户通过注册模块和登录模块完成个人的信息注册和登录，商品的信息会在数据库管理模块中进行保存，信息包括商品的名称、进货价、出售价、入库时间、商品来源，用户将想要购买的商品通过预购模块存入购物车，存入预购模块的商品会被本发明提供的***检测到，并且预购模块具有团购服务权限，用户可依需求打开或关闭权限，通过推演模块将该类商品推送至其他用户界面，并利用利用马尔科夫状态转移概率来推演用户的购买动作，通过团购服务模块建立团购链接，以更低的价格拼团买进，在交易模块完成最终的交易。
具体的，所述注册模块用来完成用户信息的注册，该用户的注册信息必须是实名制的，以防止网络恶意病毒、木马、爬虫的高频侵入攻击，注册信息包括用户的姓名、身份证号、手机号、用户名和登录密码。
具体的，所述登录模块，是指在用户完成个人信息注册后，以用户自身身份登录该平台的方式，用户可以根据已注册的注册信息，通过用户名和登录密码的方式完成平台的登录。
具体的，所述数据库管理模块，用来存储商品数据的信息，信息包括商品的名称、进货价、出售价、入库时间、商品来源，数据库管理模块中商品的信息会及时存储并更新，保证上数据的信息有效性。
具体的，所述预购模块为用户提供预购商品暂存的购物车，购物车的商品依照用户的需求可打开团购服务权限，若打开团购服务权限，该商品的推荐信息将匿名在其他用户***界面进行推广，以扩展浏览量的方式增加其他用户购买本商品的可能性，预购模块加入购物车的商品有一定的保存期限，超过保存期限的商品将自动关闭团购服务权限。
优选的，所述推演模块能够分析当前***用户倾向的购买信息，结合智能算法分析出当前时段用户的倾向商品分析出团购趋势，并且能够实现P2E（PersontoEnd）的互动方式，设
Figure SMS_89
为一随机过程，在交互模块分析商品信息状态与用户实时购买动作时，假设分析时长上限为T，S为其状态空间，对任意的t满足：
Figure SMS_96
，其中t为时刻，
Figure SMS_100
为第1个时刻，
Figure SMS_107
为第2个时刻，
Figure SMS_115
为第n个时刻，任意的s满足：
Figure SMS_128
，
Figure SMS_135
，其中s为状态变量，
Figure SMS_85
为第1个状态变量，
Figure SMS_97
为第2个状态变量，
Figure SMS_105
为第n个状态变量，随机变量
Figure SMS_113
在已知变量
Figure SMS_121
之下的条件分布函数只与
Figure SMS_132
，有关，而与
Figure SMS_145
无关，条件分布函数满足等式：
Figure SMS_153
其中，
Figure SMS_120
为第n-1个状态变量，
Figure SMS_126
为第n-1个时刻，F为概率函数，其概率表示为：
Figure SMS_134
在用户购买商品的过程中，每一个商品都有其各自的状态，而每一个用户在每一个决策都有其动作，这一过程视为马尔可夫过程，设马尔可夫随机过程有n个动作为
Figure SMS_139
，
Figure SMS_82
，以状态变量
Figure SMS_92
表示在t时刻处于状态
Figure SMS_99
，
Figure SMS_112
，根据马尔可夫链性质可以得到，当状态变量
Figure SMS_88
Figure SMS_91
t时刻的动作为
Figure SMS_103
，在t+1时刻态变量
Figure SMS_110
的动作转移为
Figure SMS_116
，
Figure SMS_123
的概率只与
Figure SMS_130
有关，记状态转移概率矩阵为：
Figure SMS_137
Figure SMS_142
其中，
Figure SMS_152
表示在t时刻状态变量的动作为
Figure SMS_158
，在t+1时刻状态变量的动作仍为
Figure SMS_162
的概率，
Figure SMS_146
表示在t时刻状态变量的动作为
Figure SMS_150
，在t+1时刻状态变量的动作为
Figure SMS_156
的概率，
Figure SMS_161
表示在t时刻状态变量的动作为
Figure SMS_83
，在t+1时刻状态变量的动作为
Figure SMS_93
的概率，
Figure SMS_104
表示在t时刻状态变量的动作为
Figure SMS_111
，在t+1时刻状态变量的动作为
Figure SMS_118
的概率，
Figure SMS_127
表示在t时刻状态变量的动作为
Figure SMS_151
，在t+1时刻状态变量的动作仍为
Figure SMS_157
的概率，
Figure SMS_117
表示在t时刻状态变量的动作为
Figure SMS_125
，在t+1时刻状态变量的动作为
Figure SMS_133
的概率，
Figure SMS_140
表示在t时刻状态变量的动作为
Figure SMS_87
，在t+1时刻状态变量的动作为
Figure SMS_95
的概率，
Figure SMS_101
表示在t时刻状态变量的动作为
Figure SMS_109
，在t+1时刻状态变量的动作为
Figure SMS_141
的概率，
Figure SMS_147
表示在t时刻状态变量的动作为
Figure SMS_155
，在t+1时刻状态变量的动作为
Figure SMS_160
的概率，
Figure SMS_144
表示在t时刻状态变量的动作为
Figure SMS_149
，在t+1时刻状态变量的动作仍为
Figure SMS_154
的概率，满足
Figure SMS_159
，对于每一个转移概率，有：
Figure SMS_119
根据Chapman-Kolmogorov方程：
Figure SMS_124
，可以推出经过k次的迭代后，转移概率矩阵为：
Figure SMS_131
那么对于t时刻状态变量
Figure SMS_138
的动作为
Figure SMS_86
的概率为：
Figure SMS_90
由于商品的属性具有时序性，具有时序性的商品将影响到商品价格的规律性波动，推演模块为了分析出当前时段用户的倾向商品的团购趋势，在上述算法的基础上结合了差分自回归移动平均模型：
Figure SMS_98
其中，
Figure SMS_106
表示在t时刻，在转移概率
Figure SMS_102
的影响下实时商品售价，
Figure SMS_108
为t时刻下的白噪声序列，
Figure SMS_114
为偏置，
Figure SMS_122
为第
Figure SMS_129
个自回归系数，
Figure SMS_136
，
Figure SMS_143
为自回归阶数，
Figure SMS_148
为移动平均阶数，
Figure SMS_84
为
Figure SMS_94
时刻实时商品售价。
具体的，当打开团购服务权限，通过团购服务模块建立团购链接，显示出本件商品拼单的人数以及拼单后的优惠。
具体的，当用户同意支付本次团购的商品时，在所述交易模块用于用户完成商品的最终交易。
本发明的有益效果：本发明提供了一种基于算法和人工智能的电商数据团购推演***，为线上团购提供新思路，通过团购服务权限增强商品的扩展与宣传，当用户打开团购服务权限后，能够将存入购物车的商品信息推送至其他用户***界面，增加用户点击浏览的概率，当其他用户也愿意购买本件商品时，可实现拼单的优惠价格，当用户的所购商品具有隐私性时，用户可选择关闭团购服务权限，此时加入购物车的商品不会被本***所推广，保护了用户的隐私性。本发明还采用了人工智能算法，利用马尔可夫状态转移概率推演本***用户的购买动作，可以推出经过数次的迭代后转移概率矩阵，以此来推演多次决策后用户的购买动作，且马尔可夫状态转移矩阵具有独立性，两种决策之间在时域上互不干扰，创新之处在于利用差分自回归移动平均模型增强上述算法的时序性，具有时序性的商品将影响到商品价格的规律性波动，以推演在整个购买时间内商品价格的动态性波动，更多元、更合理的预测出用户下一次的购买行为，并且以推广的方式帮助用户快速找到团购拼友，以更实惠的价格买进，增加网络交易流量。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (8)

1.一种基于算法和人工智能的电商数据团购推演***，包括注册模块、登录模块、数据库管理模块、预购模块、推演模块、团购服务模块和交易模块，用户通过注册模块和登录模块完成个人的信息注册和登录，商品的信息会在数据库管理模块中进行保存，信息包括商品的名称、进货价、出售价、入库时间、商品来源，用户将想要购买的商品通过预购模块存入购物车，存入预购模块的商品会被本发明提供的***检测到，并且预购模块具有团购服务权限，用户可依需求打开或关闭权限，通过推演模块将该类商品推送至其他用户界面，并利用马尔科夫状态转移概率来推演用户的购买动作，通过团购服务模块建立团购链接，以更低的价格拼团买进，在交易模块完成最终的交易。
2.根据权利要求1所述一种基于算法和人工智能的电商数据团购推演***，其特征在于，所述注册模块用来完成用户信息的注册，该用户的注册信息必须是实名制的，以防止网络恶意病毒、木马、爬虫的高频侵入攻击，注册信息包括用户的姓名、身份证号、手机号、用户名和登录密码。
3.根据权利要求1所述一种基于算法和人工智能的电商数据团购推演***，其特征在于，所述登录模块，是指在用户完成个人信息注册后，以用户自身身份登录平台的方式，用户可以根据已注册的注册信息，通过用户名和登录密码的方式完成平台的登录。
4.根据权利要求1所述一种基于算法和人工智能的电商数据团购推演***，其特征在于，所述数据库管理模块，用来存储商品数据的信息，信息包括商品的名称、进货价、出售价、入库时间、商品来源，数据库管理模块中商品的信息会及时存储并更新，保证上数据的信息有效性。
5.根据权利要求1所述一种基于算法和人工智能的电商数据团购推演***，其特征在于，所述预购模块为用户提供预购商品暂存的购物车，购物车的商品依照用户的需求可打开团购服务权限，若打开团购服务权限，该商品的推荐信息将匿名在其他用户***界面进行推广，以扩展浏览量的方式增加其他用户购买本商品的可能性，预购模块加入购物车的商品有一定的保存期限，超过保存期限的商品将自动关闭团购服务权限。
6.根据权利要求1所述一种基于算法和人工智能的电商数据团购推演***，其特征在于，所述推演模块能够分析当前***用户倾向的购买信息，结合智能算法分析出当前时段用户的倾向商品分析出团购趋势，并且能够实现P2E（PersontoEnd）的互动方式，设
Figure QLYQS_6
为一随机过程，在交互模块分析商品信息状态与用户实时购买动作时，假设分析时长上限为T，S为其状态空间，对任意的t满足：
Figure QLYQS_11
，其中t为时刻，
Figure QLYQS_24
为第1个时刻，
Figure QLYQS_30
为第2个时刻，
Figure QLYQS_35
为第n个时刻，任意的s满足：
Figure QLYQS_45
，
Figure QLYQS_50
，其中s为状态变量，
Figure QLYQS_1
为第1个状态变量，
Figure QLYQS_14
为第2个状态变量，
Figure QLYQS_17
为第n个状态变量，随机变量
Figure QLYQS_32
在已知变量
Figure QLYQS_7
之下的条件分布函数只与
Figure QLYQS_9
，有关，而与
Figure QLYQS_18
无关，条件分布函数满足等式：
Figure QLYQS_25
其中，
Figure QLYQS_37
为第n-1个状态变量，
Figure QLYQS_43
为第n-1个时刻，F为概率函数，其概率表示为：
Figure QLYQS_54
在用户购买商品的过程中，每一个商品都有其各自的状态，而每一个用户在每一个决策都有其动作，这一过程视为马尔可夫过程，设马尔可夫随机过程有n个动作为
Figure QLYQS_63
，
Figure QLYQS_2
，以状态变量
Figure QLYQS_10
表示在t时刻处于状态
Figure QLYQS_20
，
Figure QLYQS_29
，根据马尔可夫链性质可以得到，当状态变量
Figure QLYQS_38
Figure QLYQS_46
t时刻的动作为
Figure QLYQS_55
，在t+1时刻态变量
Figure QLYQS_62
的动作转移为
Figure QLYQS_66
，
Figure QLYQS_72
的概率只与
Figure QLYQS_76
有关，记状态转移概率矩阵为：
Figure QLYQS_80
Figure QLYQS_49
其中，
Figure QLYQS_56
表示在t时刻状态变量的动作为
Figure QLYQS_61
，在t+1时刻状态变量的动作仍为
Figure QLYQS_71
的概率，
Figure QLYQS_69
表示在t时刻状态变量的动作为
Figure QLYQS_74
，在t+1时刻状态变量的动作为
Figure QLYQS_77
的概率，
Figure QLYQS_81
表示在t时刻状态变量的动作为
Figure QLYQS_8
，在t+1时刻状态变量的动作为
Figure QLYQS_12
的概率，
Figure QLYQS_21
表示在t时刻状态变量的动作为
Figure QLYQS_27
，在t+1时刻状态变量的动作为
Figure QLYQS_34
的概率，
Figure QLYQS_44
表示在t时刻状态变量的动作为
Figure QLYQS_51
，在t+1时刻状态变量的动作仍为
Figure QLYQS_58
的概率，
Figure QLYQS_36
表示在t时刻状态变量的动作为
Figure QLYQS_42
，在t+1时刻状态变量的动作为
Figure QLYQS_52
的概率，
Figure QLYQS_60
表示在t时刻状态变量的动作为
Figure QLYQS_3
，在t+1时刻状态变量的动作为
Figure QLYQS_15
的概率，
Figure QLYQS_19
表示在t时刻状态变量的动作为
Figure QLYQS_26
，在t+1时刻状态变量的动作为
Figure QLYQS_57
的概率，
Figure QLYQS_70
表示在t时刻状态变量的动作为
Figure QLYQS_75
，在t+1时刻状态变量的动作为
Figure QLYQS_79
的概率，
Figure QLYQS_65
表示在t时刻状态变量的动作为
Figure QLYQS_67
，在t+1时刻状态变量的动作仍为
Figure QLYQS_73
的概率，满足
Figure QLYQS_78
，对于每一个转移概率，有：
Figure QLYQS_39
根据Chapman-Kolmogorov方程：
Figure QLYQS_48
，可以推出经过k次的迭代后，转移概率矩阵为：
Figure QLYQS_59
那么对于t时刻状态变量
Figure QLYQS_68
的动作为
Figure QLYQS_4
的概率为：
Figure QLYQS_16
由于商品的属性具有时序性，具有时序性的商品将影响到商品价格的规律性波动，推演模块为了分析出当前时段用户的倾向商品的团购趋势，在上述算法的基础上结合了差分自回归移动平均模型：
Figure QLYQS_23
其中，
Figure QLYQS_31
表示在t时刻，在转移概率
Figure QLYQS_22
的影响下实时商品售价，
Figure QLYQS_28
为t时刻下的白噪声序列，
Figure QLYQS_33
为偏置，
Figure QLYQS_40
为第
Figure QLYQS_41
个自回归系数，
Figure QLYQS_47
，
Figure QLYQS_53
为自回归阶数，
Figure QLYQS_64
为移动平均阶数，
Figure QLYQS_5
为
Figure QLYQS_13
时刻实时商品售价。
7.根据权利要求5所述一种基于算法和人工智能的电商数据团购推演***，其特征在于，当打开团购服务权限，通过团购服务模块建立团购链接，显示出本件商品拼单的人数以及拼单后的优惠。
8.根据权利要求1所述一种基于算法和人工智能的电商数据团购推演***，其特征在于，当用户同意支付本次团购的商品时，在所述交易模块用于用户完成商品的最终交易。
CN202310103173.5A 2023-02-13 2023-02-13 一种基于算法和人工智能的电商数据团购推演*** Active CN115775173B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310103173.5A CN115775173B (zh) 2023-02-13 2023-02-13 一种基于算法和人工智能的电商数据团购推演***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310103173.5A CN115775173B (zh) 2023-02-13 2023-02-13 一种基于算法和人工智能的电商数据团购推演***

Publications (2)

Publication Number Publication Date
CN115775173A true CN115775173A (zh) 2023-03-10
CN115775173B CN115775173B (zh) 2023-11-03

Family

ID=85393586

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310103173.5A Active CN115775173B (zh) 2023-02-13 2023-02-13 一种基于算法和人工智能的电商数据团购推演***

Country Status (1)

Country Link
CN (1) CN115775173B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596570A (zh) * 2023-05-11 2023-08-15 广东德澳智慧医疗科技有限公司 一种基于大数据分析算法的同产品在不同电商平台中的信息对比***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105741017A (zh) * 2016-01-22 2016-07-06 江苏省电力公司电力科学研究院 一种智能电网环境下的用户需求响应评估方法
CN106296335A (zh) * 2016-07-09 2017-01-04 广东聚联电子商务股份有限公司 一种基于互联网的电子商务oto终端***物品购买方法
CN107862413A (zh) * 2017-11-16 2018-03-30 四维口袋科技（北京）有限公司 基于马尔科夫链的预测方法和装置
CN107944643A (zh) * 2017-12-22 2018-04-20 上海斐讯数据通信技术有限公司 一种基于隐马尔科夫模型的购买转化率预测方法及***
CN108022116A (zh) * 2016-11-01 2018-05-11 北京京东尚科信息技术有限公司 对用户建模的方法、***及终端设备
CN109767241A (zh) * 2018-12-19 2019-05-17 深圳优启科技有限公司 一种新零售购物分销方法、***、计算机设备及存储介质
CN115310722A (zh) * 2022-09-29 2022-11-08 浙江越秀外国语学院 一种基于数据统计的农产品价格预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105741017A (zh) * 2016-01-22 2016-07-06 江苏省电力公司电力科学研究院 一种智能电网环境下的用户需求响应评估方法
CN106296335A (zh) * 2016-07-09 2017-01-04 广东聚联电子商务股份有限公司 一种基于互联网的电子商务oto终端***物品购买方法
CN108022116A (zh) * 2016-11-01 2018-05-11 北京京东尚科信息技术有限公司 对用户建模的方法、***及终端设备
CN107862413A (zh) * 2017-11-16 2018-03-30 四维口袋科技（北京）有限公司 基于马尔科夫链的预测方法和装置
CN107944643A (zh) * 2017-12-22 2018-04-20 上海斐讯数据通信技术有限公司 一种基于隐马尔科夫模型的购买转化率预测方法及***
CN109767241A (zh) * 2018-12-19 2019-05-17 深圳优启科技有限公司 一种新零售购物分销方法、***、计算机设备及存储介质
CN115310722A (zh) * 2022-09-29 2022-11-08 浙江越秀外国语学院 一种基于数据统计的农产品价格预测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596570A (zh) * 2023-05-11 2023-08-15 广东德澳智慧医疗科技有限公司 一种基于大数据分析算法的同产品在不同电商平台中的信息对比***

Also Published As

Publication number Publication date
CN115775173B (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
Barwise et al. The evolution of digital dominance
Kshetri Big data׳ s impact on privacy, security and consumer welfare
Del Giudice et al. The bank of things: An empirical investigation on the profitability of the financial services of the future
Aithal Mobile business as an optimum model for ideal business
CN105917331B (zh) 适配搜索结果的***和方法
Ianenko et al. Digital transformation of trade: problems and prospects of marketing activities
KR102579517B1 (ko) Ｎｆｔ 연계 현물상품 판매 서비스 제공 시스템
Markoska et al. Mobile banking services—business information management with mobile payments
CN115775173A (zh) 一种基于算法和人工智能的电商数据团购推演***
Teshabaeva et al. Development of electronic business in the republic of Uzbekistan
Zhou et al. Cost-efficient viral marketing in online social networks
Karpenko et al. The influence of the consumer’s type–physical or digital–on their behavioral characteristics
Junyong et al. Electronic commerce in China: current status, development strategies, and new trends
Sardar et al. The future of banking: how neo banks are changing the industry
Trivedi et al. What prompts consumers to purchase online? A machine learning approach
Zhao et al. Ad blocking whitelist prediction for online publishers
KR102247407B1 (ko) 프라이빗 블록체인 및 ai 챗봇 기반의 국경 간 거래 플랫폼
Xu Supply chain benefit distribution and economic sustainable development by Shapley model in smart city
CN111192112A (zh) 一种多平台的交互方法和装置
Zhu Research on multi‐source mobile commerce service recommendation model of data fusion based on tree network
Fathaigh et al. Mobile Privacy and Business-to-Platform Dependencies: An Analysis of SEC Disclosures
Fei et al. Analysis of internet insurance marketing strategy—Taking Allianz Sino-German as an example
Wang et al. Systematic Analysis of Big Data Based Machine Learning Algorithms on Various Fields
Naranjo The impact of Technology on Consumerism
Kaufman Deep Learning: a Brazilian case

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20231012

Address after: 813, Dongfang Science and Technology Building, No. 16 Keyuan Road, Science and Technology Park Community, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province, 518057

Applicant after: Shenzhen Wakeup Technology Media Co.,Ltd.

Address before: Room 501, Room 502, room 503, room 504, room 505, floor 5, building 10, Industrialization Center, No.19 Alishan Road, Songshanhu high tech Industrial Development Zone, Dongguan City, Guangdong Province 523000

Applicant before: Guangdong deao smart Medical Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant