[发明专利]使用人工智能监视在线零售平台的系统和方法

说明书

一种用于监视电子商务平台的方法和系统。该方法包括：通过计算设备接收用户通过电子商务平台提交的反馈；使用AI处理器基于反馈的内容、反馈的上下文和用户简档生成向量；使用AI分类器对向量进行分类以确定与反馈相对应的功能和功能的状态。内容包括文字、语音、图像和视频；上下文包括反馈的时间、位置和提交渠道；简档包括用户的属性、历史和偏好。向量的维度分别与文本、语音、图像、视频、时间、位置、提交渠道、用户的属性、历史和偏好相对应。

相关申请的交叉引用

在本公开的描述中引用和讨论了一些参考文献，可以包括专利、专利申请和各种出版物。提供对这些参考文献的引用和/或讨论仅仅是为了阐明本公开的描述，而不是承认任何这些参考文献是相对于本文所述公开内容的“现有技术”。本说明书中引用和讨论的所有参考文献均以引用的方式整体并入本文，其程度如同每篇参考文献单独通过引用并入本文。

技术领域

本公开总体上涉及监视电子商务平台的健康状态，更具体地，涉及用于基于来自用户的反馈通过深度学习来实时监视在线零售平台的健康的系统和方法。

背景技术

本文提供的背景描述是出于总体上呈现本公开的上下文的目的。目前指定的发明人的工作，在本背景技术部分中描述的范围，以及在提交时可能不具有现有技术资格的描述的方面，既不明确也不暗示地被认为是针对本公开的现有技术。

电子商务多年来经历了高速增长。诸如亚马逊、阿里巴巴和京东之类的巨型在线零售平台拥有数以亿计的活跃用户，总收入达数十亿。此外，收入和用户数量都在快速增长(以京东为例，2017年第二季度业务量季度增长40％)。

一方面，巨大的业务量伴随着对在线零售平台(移动应用和网站)的大量使用。大量使用对平台的可用性和稳定性提出了挑战。因此，未知的平台故障将对用户体验、收入和公众声誉造成危害，从而导致严重的财务和社会后果。

另一方面，高速增长归功于网站功能和/或特征的快速增加。在线零售网站上，存在数百种商品产品渠道以及一系列功能，包括搜索、推荐、购物车、递送和支付。所有这些功能和渠道都是由公司内部的不同团队开发或拥有的。这些功能通常彼此重叠，更常见的是上游部分或下游部分彼此依赖。这种复杂性对每个团队准确了解其拥有的功能的健康状况、诊断错误以及提供解决方案造成障碍。

因此，本领域存在未解决的需求以解决上述缺陷和不足。

发明内容

在某些方面，本公开涉及一种用于监视电子商务平台的健康的方法。在某些实施例中，该方法包括：通过计算设备接收用户通过电子商务平台提交的反馈；通过计算设备的反馈处理器，基于反馈的内容、反馈的上下文和用户的简档生成向量；以及通过计算设备的分类器对向量进行分类，以获得与反馈相对应的电子商务平台的功能和功能的状态，并在状态为故障时准备警报。内容包括文本、语音、图像和视频中的至少一个；上下文包括提交反馈的时间、提交反馈的位置和反馈的提交渠道中的至少一个；用户简档包括用户的属性、用户的购买历史和使用电子商务平台的用户的偏好中的至少一个。向量具有预定数量的维度，文本、语音、图像、视频、提交反馈的时间、提交反馈的位置、反馈的提交渠道、用户的属性、用户的购买历史和用户的购买偏好中的每一个对应于向量的至少一个维度。

在某些实施例中，使用至少一个人工智能模型来执行反馈处理器和分类器。

在某些实施例中，其中生成向量的步骤包括：使用反馈处理器处理内容以获得与文本、语音、图像和视频相对应的向量的内容维度。在某些实施例中，方法还包括：在处理内容之前清洗内容以获得向量的内容维度。在某些实施例中，方法还包括：将图像分离为图像文本和背景图像，处理图像文本以获得图像文本结果以及处理背景图像以获得背景图像结果，以及对图像文本结果和背景图像结果进行整合，以获得与图像相对应的向量的内容维度。