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！

龙图腾网获悉广东海洋大学申请的专利一种基于大数据的商务决策辅助方法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：CN120410603B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202510923574.4，技术领域涉及：G06Q30/0201；该发明授权一种基于大数据的商务决策辅助方法是由魏晓龙;杜军设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本一种基于大数据的商务决策辅助方法在说明书摘要公布了：一种基于大数据的商务决策辅助方法，涉及商业信息系统技术领域。所述方法包括以下步骤：S1：获取商品的历史需求数据，基于所述历史需求数据，将商品划分为多个波动性类别，每个波动性类别对应一个更新频率；S2：实时计算每个商品的波动指数：所述波动指数通过波动指数计算模型根据预设的用于反映需求特征的关键参数计算得到，用以量化每个商品需求的波动程度；S3：根据实时计算得到的每个商品的波动指数，与其当前所属波动性类别的波动指数阈值阶梯范围进行比较；当超出该波动指数阈值阶梯范围时，根据波动指数阈值阶梯范围与需求更新频率之间的映射规则，相应调整该商品的需求更新频率。本申请能够更好的辅助用户进行商务决策。

本发明授权一种基于大数据的商务决策辅助方法在权利要求书中公布了：1.一种基于大数据的商务决策辅助方法，其特征在于，所述商务决策辅助方法包括以下步骤： S1：获取商品的历史需求数据，基于所述历史需求数据，将商品划分为多个波动性类别，每个波动性类别对应一个更新频率； S2：实时计算每个商品的波动指数： 所述波动指数通过波动指数计算模型根据预设的用于反映需求特征的关键参数计算得到，用以量化每个商品需求的波动程度； S3：根据实时计算得到的每个商品的波动指数，与其当前所属波动性类别的波动指数阈值阶梯范围进行比较； 当超出该波动指数阈值阶梯范围时，根据波动指数阈值阶梯范围与需求更新频率之间的映射规则，相应调整该商品的需求更新频率； 在通过步骤S3确定并调整了商品的更新频率之后，还包括以下步骤： S4：根据该商品的需求更新频率，获取当前商品的需求量； S401：依据所述商品的当前需求更新频率，周期性地启动对该商品需求数据的采集流程； S402：在每次启动所述需求数据采集流程时，通过调用预设的平台用户行为数据接口，获取与所述商品相关的用户实时行为数据，所述用户实时行为数据包括商品加入购物车以及商品加入收藏夹的行为事件； S403：统计所述用户实时行为数据的总次数，并将该总次数作为所述商品的需求量； S5：获取当前商品的需求拐点： S501：为商品设置需求评估滑动时间窗口； 获取商品在需求评估滑动时间窗口内每日总需求评估值及对应的每日需求-销量转化率，从而形成总需求评估值时间序列以及需求-销量转化率时间序列； 其中，所述每日总需求评估值通过预设的总需求评估值计算公式根据该商品在需求评估滑动时间窗口内累积的用户购买意愿指标与统计当日新增的用户购买意愿指标计算得到； 每日需求-销量转化率通过基于当日总需求评估值与当日商品实际销量数据，应用预设的需求-销量转化率计算公式得到； S502：将所述总需求评估值时间序列及所述需求-销量转化率时间序列共同构成的当前实时波动曲线，输入至预先构建的需求拐点预测模型，以通过所述需求拐点预测模型判断当前是否存在需求拐点； S503：当所述需求拐点预测模型判断存在需求拐点，向用户发出提示； S6：判断得到的需求拐点是否异常： 收集当前需求拐点出现以前的预设观察时间窗口内的每日需求变化率和需求-销量转化率，形成需求变化特征矩阵； 收集用户群体表征矩阵； 将需求变化特征矩阵和用户群体表征矩阵输入拐点异常识别模型，判断当前得到的需求拐点是否异常； 所述拐点异常识别模型由以下步骤构成： 构建原始拐点属性分类模型： 所述原始拐点属性分类模型的模型框架为CNN模型； 收集当前商品过去出现需求拐点时的需求变化特征矩阵，并对其对应需求拐点是否异常进行人工标注后； 以过去出现需求拐点时的需求变化特征矩阵作为原始拐点属性分类模型框架的输入，将其对应需求拐点是否异常作为标签以此训练得到原始拐点属性分类模型； 构建群体迁移特征映射矩阵： 选择三个同类参考商品，分别对应高端、中端、低端市场定位； 收集三个参考商品历史拐点时期的需求变化特征矩阵，分别计算各自的特征均值向量和协方差矩阵； 获取并根据历史平均需求变化特征矩阵计算得到当前商品的基础特征均值向量和基础协方差矩阵，作为当前商品的基准特征分布； 记录从当前商品基准特征分布向三个参考商品迁移的均值偏移和协方差变换，以此构建得到群体迁移特征映射矩阵； 执行群体迁移适应化： 输入当前用户群体分布数据，计算与训练原始拐点属性分类模型时历史用户群体分布的差异，确定群体迁移方向和迁移强度； 根据群体迁移方向获取当前商品基准特征的变换关系； 根据迁移强度和变换关系，从映射矩阵中提取对应的均值偏移和协方差变换，以此对输入的需求变化特征矩阵执行特征空间变换； 将变换后的特征矩阵输入原始拐点属性分类模型，输出拐点是否异常的判断结果。

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广东海洋大学，其通讯地址为：524000 广东省湛江市麻章区海大路1号；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。