预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112927042A(43)申请公布日2021.06.08(21)申请号202110206753.8(22)申请日2021.02.24(71)申请人深圳壹肆壹叁网络科技有限公司地址518000广东省深圳市南山区桃源街道平山社区丽山路65号平山民企科技园3栋3楼E1-03(72)发明人王悟(74)专利代理机构深圳市能闻知识产权代理事务所(普通合伙)44717代理人姚大雷(51)Int.Cl.G06Q30/06(2012.01)G06F16/9535(2019.01)G06Q50/12(2012.01)权利要求书2页说明书7页附图1页(54)发明名称一种酒店自助购物结算平台和系统(57)摘要本发明公开一种酒店自助购物结算平台及系统,其中,该酒店自助购物结算平台包括:人机界面模块;推荐模块;在采集客户数据形成分组后使用基于分组的推荐模块进行商品推荐;在客户浏览商品的过程中使用历史购买推荐模型;触发模块,用于在计算得到的时间点或设定的时间点进行商品的推送;数据采集模块,用于采集与客户信息相关的数据;数据分析模块,包括第一数据分析模块、第二数据分析模块和第三数据分析模块,通过算法计算客户的潜在购买商品列表,在屏蔽期内拦截同品牌和/或同标签的商品推广;商品管理模块,用于将陈列平台上的商品替换为客户潜在购买商品;订单结算模块,用于计算客户购买的商品总金额并完成支付功能。CN112927042ACN112927042A权利要求书1/2页1.一种酒店自助购物结算平台,其特征在于,包括:人机界面模块,用于完成客户与平台的交互,主要展示的内容有酒店自助购物结算平台的在售商品,客户的账户信息和平台通知;推荐模块,在客户采集信息空白时使用基于聚类的推荐模块生成潜在清单进行商品推荐;在采集客户数据形成分组后使用基于分组的推荐模块进行商品推荐;在客户浏览商品的过程中使用历史购买推荐模型;触发模块,用于在计算得到的时间点或设定的时间点进行商品的推送;数据采集模块,用于采集与客户信息相关的数据;数据分析模块,包括第一数据分析模块、第二数据分析模块和第三数据分析模块,通过算法计算客户的潜在购买商品列表,在屏蔽期内拦截同品牌和/或同标签的商品推广;商品管理模块,用于将陈列平台上的商品替换为客户潜在购买商品;订单结算模块,用于计算客户购买的商品总金额并完成支付功能。2.根据权利要求1所述的酒店自助购物结算平台,其特征在于,订单计算模块包括基于重量的订单计算模块,和/或基于体积的订单计算模块,和/或基于商品格的订单计算模块。3.根据权利要求1所述的酒店自助购物结算平台,其特征在于,第三数据分析模块包括第一时间计算模块和商品划分模块;第一时间计算模块获取动态数据获取模块的数据并基于客户的动态数据计算客户被动触发时机的第一时间,并将第一时间推送到触发模块;商品划分模块将商品属性分为一次性消耗品、短期消耗品和长期耐用品。4.根据权利要求1所述的酒店自助购物结算平台,其特征在于,第二数据分析模块包括偏好评分模块,商品标签化模块,客户分组模块和商品划分模块。5.根据权利要求4所述的酒店自助购物结算平台,其特征在于,商品标签化模块通过人工添加一些不能拆分的有利于分标签的关键词,获取商品评价内容并对其进行分词,去除分析中不必要的字词,对商品中的关键词进行词频的统计并取词频最高的关键词得到商品标签。6.根据权利要求4所述的酒店自助购物结算平台,其特征在于,偏好评分模块通过动态采集模块获取用户浏览第i种商品的浏览时间ti和浏览次数Ci,客户的总浏览时间和浏览次数分别设为ts和Cs。则客户对第i中商品的偏好评分值vi为偏好评分系统采用1分制,分值越高代表客户越喜欢该商品。7.根据权利要求4所述的酒店自助购物结算平台,其特征在于,将矩阵W因子化为客户‑标签和标签‑商品矩阵的乘积:其中R=|M|×|O|,|O|表示标签的个数,元素pjl表示第j个客户对第l个标签的偏好度;S=|O|×|N|,元素qkl表示第k个商品对第l个标签的符合度。为将矩阵W因子化后的矩阵;中的每个因子W和的差值为:其中wjk为W中的每个因子。当W和的差值最小时,即可得到目标拟合结果。以pjl和qkl表作为自变量求梯度为:2CN112927042A权利要求书2/2页取计算步长为γ,则有:p′jl=pjl+2γejkqlkq′lk=qlk+2γejkpjl假设已经得出偏好的(客户,商品,偏好)组成一个集合T,我们需要的是对这个集合内的元素偏差ejk之和尽可能的小。而对于未知的偏好,当通过已知项计算出了矩阵R,S即可得出结果。最后确定ejk之和为极小值后即可得到客户的各项pjl,qlk值后即可根据两者乘积就高排序对商品进行推送。8.根据权利要求1所