[发明专利]利用大数据进行深度学习以提供增值服务的方法、系统

权利要求书

1.一种利用大数据进行深度学习以提供增值服务的方法，包括以下步骤：

1)对收集到的用户信息进行预处理，所述预处理包括对用户信息进行去隐私处理和归一化操作，所述用户信息包括用户的购买的产品或服务种类及其对应价格，下单时间，位置信息，兴趣信息，消费水平信息形成信息向量，包括聚类得到时间偏好向量中心集，分类时利用该向量中心集；对具体上网地点转换为统一地点，计算地点根集合中客户地点驻留值向量，聚类得到客户地点偏好向量中心集，以对客户进行地点偏好分类；计算客户对各业务的兴趣度向量，以对客户进行兴趣爱好分类，对终端设备转换为价格以反映客户消费水平，利用客户产生的时间偏好向量、地点偏好向量、兴趣度向量、消费水平进行聚类；

2)将所述预处理后的数据输入到深度神经网络进行有监督的训练学习，得到用户价值指数模型，所述深度神经网络为多层限制玻尔兹曼机；

3)根据用户价值指数模型对用户的级别进行判断校验，进一步校正可能存在的判断分类错误；

4)在此利用所述步骤1)得到的所述预处理信息，对被判断为核心客户的用户提供有针对性的增值服务。

2.根据权利要求1所述的提供增值服务的方法，所述用户价值指数模型所对应的深度神经网络中为深度置信网，网络的第一层为预处理的用户信息层；第二层为所得到的现有价值度BV隐含层；第三层为所得到的预期价值度PV隐含层，第四层为所得到的衍生价值度TV隐含层，其中第二、三、四层之间形成全连接进行信息反馈；其中，所述基本价值BV为客户的现有购买价值，反映对企业的贡献度；所述预期价值度PV为预期客户未来能够带来的产品或服务价值；所述衍生价值度TV为客户口碑效应带来新客户的价值；第五层深度神经网络的输出为对客户是否为核心客户的判断；第六层为最终的输出层，为对核心客户提供的最有价值的增值服务推荐、其中第五层、第六层分别于第一层进行全连接。

3.一种利用大数据进行深度学习以提供增值服务的系统，包括以下模块：

1)预处理模块，用于对收集到的用户信息进行预处理，所述预处理包括对用户信息进行去隐私和归一化操作处理，所述用户信息包括用户的购买的产品或服务种类及其对应价格，下单时间，位置信息，兴趣信息，消费水平信息形成信息向量，包括聚类得到时间偏好向量中心集，分类时利用该向量中心集；对具体上网地点转换为统一地点，计算地点根集合中客户地点驻留值向量，聚类得到客户地点偏好向量中心集，以对客户进行地点偏好分类；计算客户对各业务的兴趣度向量，以对客户进行兴趣爱好分类，对终端设备转换为价格以反映客户消费水平，利用客户产生的时间偏好向量、地点偏好向量、兴趣度向量、消费水平进行聚类；

2)模型构建模块，用于将所述预处理后的数据输入到深度神经网络进行有监督的训练学习，得到用户价值指数模型，所述深度神经网络为多层限制玻尔兹曼机；

3)用户级别判断校验模块，根据用户价值指数模型对用户的级别进行判断校验，进一步校正可能存在的判断分类错误；

4)增值服务提供模块，在此利用所述步骤1)得到的所述预处理信息，对被判断为核心客户的用户提供有针对性的增值服务。

4.根据权利要求3所述的增值服务的系统，所述用户价值指数模型所对应的深度神经网络中为深度置信网，网络的第一层为预处理的用户信息层；第二层为所得到的现有价值度BV隐含层；第三层为所得到的预期价值度PV隐含层，第四层为所得到的衍生价值度TV隐含层，其中第二、三、四层之间形成全连接进行信息反馈；其中，所述基本价值BV为客户的现有购买价值，反映对企业的贡献度；所述预期价值度PV为预期客户未来能够带来的产品或服务价值；所述衍生价值度TV为客户口碑效应带来新客户的价值；第五层深度神经网络的输出为对客户是否为核心客户的判断；第六层为最终的输出层，为对核心客户提供的最有价值的增值服务推荐、其中第五层、第六层分别于第一层进行全连接。

5.一种存储有指令的程序介质，其存储的程序指令能够实现如权利要求1-2所述的方法。