买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳市伙伴行网络科技有限公司申请的专利一种向用户展示数据的方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118799628B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410786556.1，技术领域涉及：G06V10/764；该发明授权一种向用户展示数据的方法及系统是由谢伟超;胡瑞航;朱艺康设计研发完成，并于2024-06-18向国家知识产权局提交的专利申请。

本一种向用户展示数据的方法及系统在说明书摘要公布了：本发明公开了一种向用户展示数据的方法及系统，通过获取用户访问电子商务平台上的用户数据和商品信息，对用户数据和商品信息进行数据预处理得到样本数据，根据用户数据构建用户画像模型，基于用户画像模型对样本数据进行分类得到用户价值信息，将样本数据进行特征提取得到图特征信息，并将图特征信息输入已训练的图卷积神经网络中训练得到图分类结果，并进行图分割和嵌入表示以构建商品分仓优化模型，对商品分仓优化模型进行分析得到最小费用流模型，基于最小费用流模型和商品信息建立图表可视化的图谱数据，可以深入挖掘电商平台累积数据价值，提升平台的个性化服务水平，对用户画像进行分析和图谱数据可视化呈现，提高商品营销准确率和效率。

本发明授权一种向用户展示数据的方法及系统在权利要求书中公布了：1.一种向用户展示数据的方法，其特征在于，包括以下步骤： 获取用户访问电子商务平台上的用户数据和商品信息，并对用户数据和商品信息进行数据预处理得到样本数据，其中，用户数据包括用户注册信息和用户操作信息，商品信息包括商品种类和商品数量； 根据用户数据构建用户画像模型，基于用户画像模型对样本数据进行分类得到用户价值信息； 将样本数据进行特征提取得到图特征信息，并将图特征信息输入已训练的图卷积神经网络中训练得到图分类结果； 将图分类结果进行图分割和嵌入表示以构建商品分仓优化模型，对商品分仓优化模型进行分析得到最小费用流模型； 基于最小费用流模型和商品信息建立图表可视化的图谱数据，并向用户展示图谱数据以完成商品营销管理； 根据用户数据构建用户画像模型，包括： 当用户进入电子商务平台时提交注册信息得到用户画像模型，用户画像模型通过表达式为U＝{w1,v1,w2,v2...wm,vm}，其中，每一个wm,vm表示模型的一部分且wm、vm分别表示用户的兴趣关键词、对应该关键词的权重，且v表示从左到右依次减小的顺序，v是通过TF-IDF算法进行计算的且表示关键词在对应的文档中出现的次数和含有该关键词的文档数的比值，对应的计算表达式为其中，在TNli,m中的值是li对应的在文档m中的次数，n表示文档的总数，DNli表示含有关键词li的文档数； 基于用户画像模型对样本数据进行分类得到用户价值信息，包括： 初始簇中心选择：随机选取K个点，初始簇中心集合为NULL，并进行点数扫描，当扫描中获取的数据比选取的点数少时，将扫描的点数加入到簇中心的集合，反之，需要随机的生成一个数值X，且当X0时，需要采用数值X随机替换到一个网络节点，借助Spark广播该簇中心结合到一个算法节点； 处理Map节点和Reduce节点：根据前一次的簇中心信息建立数据输出，在Map节点中将簇中心作为键值的标识，将输出的数据作为Reduce节点的输入数据，以得到Reduce中的簇中心，通过不断的数据处理得到聚类中心的收敛数据； 将每一个样本数据划分到不同的聚类中：通过对样本数据进行分析结合聚类中心的数据分析结果，把样本数据和最近的聚类中心实现划分，使数据达到聚类分析的目的； 标识用户价值信息：选取聚类分析中的最高价值用户并标识为1，选取其中的最低价值用户并标识为0； Reduce阶段实现对数据的局部迭代处理和全局迭代处理过程，包括： 通过Map阶段实现本地数据样本的权值量化和偏移量计算； 通过Reduce阶段实现所有数据的权值量化和偏移量计算； 根据条件实现SparkSql借助数据仓库的交互以实现对局部和全局迭代次数计算，其中，终止条件是代价函数小于或达到临界值，或迭代次数达到预期值； 将样本数据进行特征提取得到图特征信息，并将图特征信息输入已训练的图卷积神经网络中训练得到图分类结果，包括： 将图特征信息划分为M个节点和N个维度，每个节点包含自己的特征信息以组成一个M×N维的矩阵B，节点与相邻节点的结构特征表示一个B×B维的矩阵C，矩阵C为邻接矩阵，B和C为模型的输入，则对应的图卷积网络中上层与下层的关系表达式为其中，I表示单位矩阵即 邻接矩阵C与第l层的特征矩阵Hl相乘得到每个节点与相邻节点的特征汇总，将特征汇总结果乘上第l层的参数矩阵Wl，再加上非线性激活函数σ，经过依次非线性变化得到Hl +1； 构建一个两层的图卷积网络，分别使用ReLU函数和Softmax激活函数得到一个正向的传播表达式为 对所有带标签的节点使用损失函数进行处理得到节点的分类模型，对应的表达式为 还包括： 采用图注意力模型对节点的相邻节点进行处理，选取一个节点i，i的相邻节点为j，在节点i的基础上，计算节点i与邻居j的相似系数的表达式为eij＝β[Whi||Whj],j∈Ni，其中，W为共享参数，采取W的线性映射方式对节点特征进行增维，将[*||*]运算对节点i、j进行处理得到对应的节点特征，将节点特征通过实数进行归一化处理得到注意力函数 对应的加权和表达式为 将图注意力模型的输出定义为h'i，表示节点i的新特征，σ表示激活函数； 将图分类结果进行图分割和嵌入表示以构建商品分仓优化模型，包括： 超图H,G中的超边可连接任意数量的点，一个超图HG可通过一个二元组来表示，预设一个超图HGG＝V,E，V表示超图的有限顶点数，E表示超图HG的超边Hy集，其中，每一个超边e∈E都是V的一个非空集合，e所包含的节点数表示其度数，记为|e||e|≥2，超图HGG可用一个|V|·|E|的矩阵H来表示，行表示不同的节点，列表示不同的超边； 每个元素的值可由表达式为其中，带权超图赋予每条超边一个大于0的值，表示该超边的权重，对于一条超边e∈E，记其权重为we，建立超边的权重矩阵，记wei表示超边ei所占的权重的表达式为W＝Diagwei； 对于每个子集s，预设s'＝Vs，超图分割的超边表达式为 对于一个超图节点集V中任意一个子集δ，该子集的容量表达式为volS＝∑v∈δdv，其中，dv＝∑{e∈E|v∈e}we，预设δ'＝Vδ，δ中被剪切的超边为基于此该子集的边界容量的表达式为 对于一个超图节点集V中的任意一个子集δ，记为该子集的稀疏度，以表明该子集和其外部节点的联系，若子集S的稀疏度越大，则该子集中的节点与外部链接更紧密，内部节点之间的连接更稀疏；反之，若稀疏度越小，则表明该子集和外部节点的联系更稀疏，内部联系越紧密； 其中，超图分割是指如何将超图中的节点集V划分为若干个互不相容的子集δ1,δ2...δM，同一子集的内部节点之间连接稠密，不同子集之间的节点则连接稀疏，超图分割的目标函数为找到对V的一个合适的划分为δ1,δ2...δM，使得最小化； 还包括： 预设由订单数据组成的超图G，记H为G的关联矩阵，W为一个对焦矩阵即G的权重矩阵，对角元素对应G中超边的权重，Dv和DE分别表示G的顶点度矩阵和超边度矩阵，对应的超图拉普拉斯矩阵的表达式为 通过求解Δ矩阵中的特征值和特征向量，并取前K个最小特征值所对应的特征向量{z1,z2...zk}作为超图中节点V的嵌入表示矩阵ZZ＝[z1,z2...zk]，Z中的每一行表示一个节点的嵌入表示向量，该嵌入表示矩阵包含节点的关联信息，通过嵌入表示向量之间的欧式距离来量化节点之间的关联性； 预设P个商品和Q个仓库，记基于订单数据所得到的商品的嵌入表示矩阵为Z，将商品分仓为题转化为带约束的聚类模型，对应的表达式为Ep的表达式为其中，Zq表示商品Vq的嵌入表示向量，Em表示第p个类簇的聚类中心，P个Ep构成聚类中心的嵌入表示矩阵EE＝[E1,E2...EP]，1≤p≤P，Lp对应第p个仓库的容量下限；Bp表示由于仓库大小限制，第p个仓库最多能容纳的商品，二元矩阵X表示商品-仓库的分配情况：若商品Vq被指派到仓库Sp，则分量Xq,p＝1，否则中的目标函数表示找到一个指派方案X，将嵌入空间中相近的点放在同一个类中； 对商品分仓优化模型进行分析得到最小费用流模型，包括： 最小费用流模型是一个图网络上的组合优化模型即在一个网络流中找到效用最小的可行流，预设D＝V,A为一个有向图网络，网络中每条弧aij＝vi,vj有对应的容量上界caij≥0，以及对应的单位运输费率wi,j≥0； 图中的每个节点vi∈V都有一个供需量dvi，当dvi0时表示需要dvi个单位数量的货物；当dvi＝0，从该节点流入的货物和从该节点流出的货物数量相等，最小费用流问题是指在网络D中找到一个可行流，使得货物能从供给节点转移到需求节点，同时使得运输费率最小，记弧aij流过的流量为fi,j，其目标函数和约束条件为基于最小费用流模型和商品信息建立图表可视化的图谱数据，包括： 图中的每个节点以其父节点位置为中心实现子图与整体对称的外在特征，数据以层次结构呈现其内在层级关系，函数isRtv用来判断节点v是否为根节点，函数existSgv用来判断节点v是否存在兄弟节点，对应的表达式分别为 将图谱数据的所有节点-关系存储生成树，对树进行广度遍历，按照以父节点为中西内的层次布局算法计算各个节点的极坐标，计算的时间复杂度为Ωn，其中n表示生成树T中非叶子节点的个数； 图谱数据的可视化以关系图表示，节点通过实体名称填充并以彩色圆形为背景，不同层级、不同属性类设置不同颜色，关系通过浅色实线连接，实线上方会通过标签备注关系类型； 所述的向用户展示数据的方法的向用户展示数据系统，包括： 数据获取单元，用于获取用户访问电子商务平台上的用户数据和商品信息，并对用户数据和商品信息进行数据预处理得到样本数据，其中，用户数据包括用户注册信息和用户操作信息，商品信息包括商品种类和商品数量； 模型构建单元，用于根据用户数据构建用户画像模型，基于用户画像模型对样本数据进行分类得到用户价值信息； 信息训练单元，用于将样本数据进行特征提取得到图特征信息，并将图特征信息输入已训练的图卷积神经网络中训练得到图分类结果； 模型优化单元，用于将图分类结果进行图分割和嵌入表示以构建商品分仓优化模型，对商品分仓优化模型进行分析得到最小费用流模型； 图谱展示单元，用于基于最小费用流模型和商品信息建立图表可视化的图谱数据，并向用户展示图谱数据以完成商品营销管理。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市伙伴行网络科技有限公司，其通讯地址为：518000 广东省深圳市南山区粤海街道沙河西路深圳湾科技生态园9栋B2座21楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。