用户与卖家实现良性循环网络平台方法和系统

摘要

本发明名称为用户与卖家实现良性循环网络平台方法和系统。消费者用户如果使用手机、电脑摄像头上传拍摄或保存的服装商品，可以通过类似图片搜索提供相似商品；如果想要购物，则通过在线平台连接。为了参与销售，将按照服装类别体系，展示通过事先学习的人工智能辨别商品的结果。人工智能判断结果判断为错误分类时，将改变结果值，错误分类值通过转移学习作为再学习材料，有助于提高人工智能的准确度。本发明具有便于平台用户和商家转换兼容的特点，平台运营商的核心人工智能的改善在于图片数据进行无费用预处理方式进一步推动运营进度。消费者用户可以登记销售的商品，销售途径，推荐销售的商品。

说明书

技术领域

本发明的一个实施案例是:顾客上传商品照片后，找到最相似的商品，连接到网店；卖家注册自己的商品，存储网络销售地址后，链接相似的图片。这种情况涉及连接用户和卖家自愿参与良性循环的在线平台的方法和系统。

背景技术

随着背景技术人工智能的发展，光是服装商品的形象就可以辨别相似图像，判断相似度，随着大数据采集和数据处理技术的发展，收集各种服装商品，可以储存各种服装商品中寻找相似形象的服务。

消费者在购物时，比起用搜索词查找产品；在用图片查找更加能查到相似的商品。卖家同样希望为客户提供更好的购物便利性，但用图片比较数据需要系统支持。

服务用户可以注册卖家的商品，代理销售推广，也可以随时以卖家的身份注册自己的商品，向平台上的其他服务用户推荐商品。作为卖家注册自己的注册商品时，已经用人工智能分类技术，提供符合服装类别分类体系的大中小判断，但注册时通过审批程序，判断为错误分类时，可以进行修改确定。在这种情况下，用人工智能的再学习数据，转移学习，成为提高人工智能准确率的方法。

平台服务用户无论何时都可以成为用户中的销售参与者，并在商品注册过程中对错误分类进行检查，实现平台安装的人工智能精准度提升的良性循环连接环节。为市场和客户服务，以不同品牌为主的数据连接提供早期服务，通过用户与卖家的轻松转化环境，创造相互规模的提升作用，在此过程中通过平台内的人工智能提升服务质量。

发明内容

解决课题

本发明为了提高服务用户购买购物的便利性，使用图像代替搜索词，上传的图像通过相似度判断，比较推荐的相似商品清单，比较想要的商品。可以选择并连接到网店。而且，为了推荐卖家的商品，也可以直接输入照片和网上销售链接进行推荐。为了参与这种服务，让每个卖家只要注册产品就可以注册为类似图片搜索商品群，作为产品销售的流入途径。尽量减少登记的程序，优先提供通过人工智能识别繁杂商品登记过程的结果值，如果确定注册时认为是错误分类，则可修改后确定。通过这样的连接平台，为服务用户与卖家之间提供连接支持的平台，为平台的人工智能进化，将自愿参与者的错误分类确认的改进过程系统化为进化的循环环节。反应数据累积后，通过趋势建议、同龄群体偏好商品、品牌等的个性化推荐，支持个性化客服。

解决课题的手段

为了达到上述目的，根据本发明，服装大数据信息处理方法，服装商品企划和商品运营的方法和系统，通过与服装相关的网络销售平台和SNS上收集的文字、数字、图像采集和存储：收集的信息中，服装图像数据通过服装分类体系学习的人工智能模型进行人工智能图像识别部:收集的文字、数字数据服从服装、物品、区分者进行统计和排名的文字；数字数据加工部：分析来源数据存储/管理部：分析源数据存储/管理部：图像和字母数字的来源数据与加工数据的连接，以及用户特定的过滤器应用：查看服装图片，推荐类似的产品。顾客类似商品查询/结果，支持连接网店的服务，以及顾客推荐卖家的商品。推荐商品卖家连接部:直接注册和管理服装形象和网上销售网址的卖家商品注册/管理部:如果顾客查询提出了与服装形象相似的商品，则存储与选定商品、网店连接的清单的客户；卖家反应数据存储部:以分析顾客偏好的品牌或服装类型，按年龄、性别、地域等顾客群分析商品选择类型的客户、卖家反应数据分析部为特征。

此外，上述文字、数字、图像采集/存储部分是关系型数据基结构的表格形式的文字，包括商品名称、价格、实际价格、销售数量、库存信息、顾客反应(评论、转发、推荐)等信息，以及商品名称、价格、实际价格、销售数量、库存信息、顾客反应(评论、转发、推荐)等信息。数字提取/存储模块；服装商品的图像可以包括图像采集/存储模块；，其文件名为连接器(PRIMARY KEY)，用于与表格形式的数据连接。

此外，上述人工智能图像识别部使用“指导学习标签管理模块”；Faster RCNN模型，将图像识别的判别目标值分类为适合服装的标签值，并以分类体系管理目标值；FasterRCNN模型。机器学习CNN学习模块，用于预处理数据和机器学习；机器学习CNN重新学习模块，包括重新学习错误图像和转移学习过程，以提高目标值的准确度；以及CNN再学习模块，包括转换学习过程。

另外，它还提供了上述文字，数字数据表明按分类系统的加工模块;将收集的来源信息作为分析的基本单位进行处理;包括企业品牌单位、博主（博客，YouTube，微博等）按用户分类或按同一标准分组的收集单元模块等在内

此外，上述分析来源数据存储/管理部，将上述图像识别与文字、数字数据加工部的结果合并为连接者(PRIMARY KEY)的图像、文字、数字连接模块；分析项管理模块，可将关联数据定期、以相同视角进行数据库处理；用户权限模块；允许用户访问特定用户希望定位的限定词和项目信息。

此外，上述顾客相似商品查询/结果，推荐商品卖家连接部，查询服装图片，推荐类似商品，并支持连接网店。服务用户上传自己拍摄的照片或已保存照片的照片管理模块；上传的照片在预先保存的照片中判断相似商品，并发送类似商品列表的结果查询模块；推荐商品注册可以包括卖家链接模块；用户输入产品照片和在线销售路线，直接推荐卖家的商品。

此外，上述销售人员的产品注册/管理部门也提供了服装图片和在线销售链接直接注册和管理卖方将商品露出给服务使用者的照片管理模组;登陆的照片通过平台内人工智能提供判别的结果值，让卖家确认，确定的照片确定模块;图片注册历史存储模块，使卖方可以重新查询和管理他们的注册照片等。

此外，上述客户、卖家反应数据存储部在提出与顾客查询图片相似的商品时，会保存与选定商品、网店相连的清单。可能包括:管理客户查询的商品照片的客户查询管理模块；管理卖方登记的商品照片的卖家注册管理模块；管理客户查询并链接到网店数据的卖家连接记录管理模块。

此外，上述客户、卖家反应数据分析部分析顾客喜爱的品牌或服装类型，按年龄、性别、地域等顾客群分析商品选择类型。按客户性别、年龄划分汇总分析、管理的客户特征分析模块；根据卖家关联度、服种、款式特征进行分类汇总、分析、管理的卖家分析模块；顾客和卖家的购买连接，或者推荐客户和卖家交叉分析，分类分析，被管理的客户和卖家交叉分析模块。

发明的效果

将BIG.DATA和人工智能应用于服装业务，是改善网店平台业务效率的商业模式、系统工具，具有创新、先进和创造性。服务用户可以随时进行商品注册，以代替卖家推广商品，也可以以卖家的身份注册自己的商品。商品注册多了，就会创造更多用户，这种互动可以造就更大规模的参与者。在卖家的商品注册过程中，通过程序确认人工智能分类中的错误，通过重新学习，可以期待人工智能在平台构成上的进步。目前人工智能最大的难题是结果值的决定和数据的收集和结果标签部分，成为解决这部分的划时代选择。此外，服务用户，随着卖家规模的增加，将累积的反应数据通过趋势情况、趋势预测、卖家建议、分析同龄群体偏好商品，成为客户个性化服务。

图面的简要说明，本发明图面列表名称

图1是对本发明的用户和卖家自愿参与进行良性循环连接的网络平台的方法和系统的组成图。

图2中100根据本发明的文字、数字、图像采集/存储部的组成图，200是根据本发明的人工智能图像识别部的组成图，300是根据本发明的文字、数字数据加工部的组成图，400是根据本发明的分析来源数据存储/管理部的组成图，500是根据本发明的客户类似商品查询/结果、推荐商品卖家连接部的构成图。

图3中600是本发明中卖方商品登记/管理部的组成图，700是根据本发明的客户、卖方反应数据存储部，800根据本发明的客户，卖方反馈数据分析部。

图4是根据本发明的良性循环连接在线平台的方法和系统的概念图。。

图5是根据本发明的用户_客户类似商品查询/推荐服务部的可视化例子图。

图6根据本发明的卖方商品登记/管理部的可视化案例图。

图7是根据本发明的服装类别分类体系图。

实施发明的具体内容以下，

参照附图详细说明本发明的实施例。首先要注意图纸中的相同组件表示尽可能相同的参考符号。

图1是根据本发明实施的用户和卖家自愿参与进行良性循环的线上平台的方法和系统提供装置的构成图。根据本发明，在用户和卖家自愿参与下，良性循环连接的在线平台的方法和系统如图1所示，文字、数字、图像抓取/存储部(100)、人工智能图像识别部(200)、文字、数字数据加工部(300)，包括分析来源数据存储/管理部(400)、客户服务部(500)、卖方管理部(600)、客户、卖方反馈数据存储部(700)、客户、卖方反馈数据分析部(800)。

把这种服务可视化，与图7、良性循环连接在线平台的方法和系统的概念图一样。

图2是根据本发明的文字、数字、图像采集/存储部的组成图。根据本发明，文字、数字、图像采集/存储部如图2所述，包括:文字、数字提取/存储模块(110)、图像采集/存储模块(120)。上述文字、数字、图像采集/存储部，将大数据根据其特点，分为图像、文字、数字进行收集、存储。

200是根据本发明的人工智能图像识别部的组成图。根据本发明，人工智能图像识别部如图所示，包括指导学习标签管理模块(210)、机器学习图像识别合成神经网络(CNN：Convolutional Neural Network)学习模块(220)、机器学习CNN(Convolutional NeuralNetwork)再学习模块(230)。

上述指导学习标签管理模块(210)机器学习用于人工智能图像识别学习的指导学习的标签值(目标值)。当输入图像时，根据分类体系进行指导学习，这个标签值按照符合服装的标准来整理。标签值与类别体系大-中-小分类体系相同，其体系与图7服装类别分类体系图相同。

上述机器学习CNN(Convolutional Neural Network)学习模块(220)分为1个大类、4个中类、13个(共13个)小类，分别通过人工智能进行识别。为了判断一张图像，将图像分为大-中-小阶段。从大分类到外套分类，中分类阶段是大衣COAT、西装JACKET,非绒夹克JUMPER,夹克羽绒JUMPER_ PARKA,背心，其中外套coat中分类，还可细分到小类。

最终就是根据类别缩小识别范围，通过人工智能提高图像准确度。

机器学习CNN再学习模块（230）是一个判断的结果在别人判断的时候不一样的情况分类的图像将分别重新用作人工智能的转移学习资料。

卖方管理部（600）配置图的照片确定模块（620）分类判断的图片是机器学习CNN用作再学习模块（230）的大学习数据。

300是根据本发明的文字、数字数据加工部的组成图。根据本发明文字、数字数据加工部如图所示，包括按分类体系加工模块(310)，按收集单元排序模块(320)。上述分类体系的加工模块(310)是服装类别分类体系(大-中-小)，每个分类的款式数、销售数量、库存数量、顾客反馈信息(点赞、评论、转发)按收集单位排序模块(320)，收集数据按品牌、卖家、概念、随机分组，根据样式数、销售数量、库存数量、客户反馈信息(点赞、评论、转发)等的总数和大小预先组织排名。

400是根据本发明的分析来源数据存储/管理部的组成图。根据本发明，分析来源数据存储/管理部如图所示，包括图像、文字、数字连接模块(410)、分析项管理模块(420)、用户权限模块(430)。上述图像、文字和数字连接模块(410)根据数据的性质将图像识别部(200)和通过字母、文字和数据加工部(300)得出的结果连接到连接器(PRIMARY KEY)来整合数据。上述分析项目管理模块(420)是确定分析的单位，以适合本服务和系统用户需求。对用户需求只对特定商品的项目进行分类时，或者只针对特定品牌、特定项目，构成核心竞争范围分析。

上述用户权限模块(430)是将所提供的服务类型中，用户希望使用的项目配置作为服务项目提供。上述分析项目管理模块(420)按用户管理。此时，将权限和权限的期限配置为共同管理。

500是根据本发明的客户类似商品查询/结果推荐商品卖家连接部。根据本发明，客户服务部如图所示，包括照片管理模块(510)，结果查询模块(520)，推荐商品登记卖方连接模块(530)。

这样的服务是图5用户_客户类似商品查询/推荐服务部的可视化案例图。上述照片管理模块(510)。使用客户注册以查找类似图像的照片，通过手机或电脑上传时，该图像包含通过图像识别合成神经网络(CNN：Convolutional Neural Network)将最终标签识别前人工智能层(Layer)的输出结果转换为嵌入(Embedding)向量(Vector)值的模块。上述结果查询模块(520)通过大数据收集的商品图像与通过合成神经网络转换成嵌入向量(vector)值进行对比。包括结果查询模块，通过最近点对点查询(Nearest NeighborSearch)技术，找到与所输入的客户图像最相似的结果，并为客户提供结果值。上述推荐商品注册卖家连接模块(530)支持客户推荐的功能，用户直接输入卖家的商品图片和线上销售链接，替卖家做广告。任何人都可以参与卖家的宣传，包括用户和卖家之间的互连模块。

图3是本发明中卖方商品登记/管理部的组成图。根据本发明，服装卖家管理部如图3所示，包括图片管理模块(610)，图片确定模块(620)，图片登记历史存储模块(630)。服务用户随时可能成为卖家。如果有相互转化的良性循环，平台用户可以迅速扩大。服务用户和卖家相互循环，引导规模增长，商品就会多样化提供，用户越来越多，这种增长是平台自身人工智能进化的动力，相互良性循环。人工智能的知道学习需要目标值(标签)是精确图像。相关学习数据通过参与者直接收集和调整，可以缩短机器学习的预数据处理的过程，规模越大，人工智能准确率创造提升的空间越大。

这些服务在图6与卖方商品登记/管理部的可视化案例相同。

上述图片管理模块(610)包括图片管理模块，通过上传图片注册商品以销售为目的，确定商品的服装类别值和输入互联网商品销售网址的过程，由卖家直接进行。上述图片确定模块(620)规定，为了便于卖家注册，产品的服装类别(大-众-小)分类是预定义的服装类别，通过机器学习的人工智能给予结果值，并在该类别中进行修改。根据本发明的图7，服装类别分类体系图。包括在认为结果为错误分类时，直接改为符合服装类别后确定的图片模块。上述图片注册历史存储模块(630)由图片注册历史存储模块组成，用于管理卖家注册服装商品的图片和注册信息。

图3中700是根据本发明的客户、卖方反馈数据存储部的组成图。根据本发明，客户、卖方反馈数据存储部如图所示，包括客户查询管理模块(710)、卖方登记管理模块(720)、卖方连接记录管理模块(730)。上述客户查询管理模块(710)包括客户查询管理模块，用于管理连接历史数据，包括客户特征(性别、年龄)。上述卖家注册管理模块(720)包括卖方注册管理模块，根据服装服种，风格，参与度的不同，决定卖家登录管理模块。上述卖家连接记录管理模块(730)由卖家连接记录管理模块组成，管理客户查看类似图片后连接到网店的历史数据。

图3中800是根据本发明的客户、卖方反馈数据分析部的组成图。根据本发明，客户、卖方反馈数据分析部如图所示，包括按客户特征分析模块(810)、卖方分析模块(820)、客户和卖方交叉分析模块(830)。根据客户性别、年龄段的数据和品牌、风格进行偏好分析，为趋势现状确认和趋势预测、同龄群体偏好商品推荐以及合适的卖家连接服务提供分析结果。上述客户特征分析模块(810)包括客户特征分析模块，根据客户特征(性别、年龄)分析选择类型。上述卖家分析模块(820)包括卖方分析模块，用于分析每个卖家注册的商品类型、服装服种，风格和用户连接。上述客户和卖家交叉分析模块(830)由客户和卖家交叉分析模块组成，每个客户和卖方分析反应程度。

附图说明：

图1中100:文字、数字、图像采集/存储，110:文字、数字采集/存储模块，120:图像提取/存储模块；200:人工智能图像识别部，210:指导学习标签管理模块，220:机器学习CNN学习模块，230:机器学习CNN再学习模块；300:文字，数字数据加工部，310:按分类体系划分的加工模块，320:按收集单元排序模块；400:分析源数据存储/管理部，410:图像、文字、数字连接模块，420:分析项管理模块，430:用户权限模块；500:客户类似产品查看/结果，推荐商品卖家连接部，510:照片管理模块，520:结果查询模块，530:推荐商品登记卖家连接模块；600:卖家商品登记/管理部，610:图片管理模块，620:图片确认模块，

630:图片注册历史记录存储模块；700：客户，卖方反馈数据存储部，710:客户查询管理模块，720:卖方登记管理部，730:卖方连接记录管理部；800:客户、卖方反馈数据分析部，810:按客户特征分析模块，820:卖方分析模块，830:客户和卖方交叉分析模块。