(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210925132.X (22)申请日 2022.08.03 (71)申请人 成都同程智行 科技有限公司 地址 610000 四川省成 都市高新区盛通 街 16号51栋 (72)发明人 吴闯　朱骏杰　陈鹤天　刘文源　 周洲　张耀　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 邓超 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 30/06(2012.01) G06Q 10/04(2012.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于深度学习的营销短信生成方法、 系统及 电子设备 (57)摘要 本发明提供了一种基于深度学习的营销短 信生成方法、 系统及电子设备， 涉及数据处理技 术领域， 包括： 利用预先获取的历史用户轨迹对 深度学习网络模 型进行训练， 生成训练后的深度 学习网络模 型； 对实时获取的用户浏览轨迹进行 筛选， 生成候选轨迹； 利用训练好的深度学习网 络模型对候选轨迹进行预测， 生成营销短信。 通 过该方法可以缓解现有技术中短信推荐的准确 度低的技 术问题， 提高了短息营销的效果。 权利要求书2页 说明书8页 附图3页 CN 115222459 A 2022.10.21 CN 115222459 A 1.一种基于深度学习的营销短信生成方法， 其特 征在于， 包括： 利用预先获取的历史用户轨迹对深度 学习网络模型进行训练， 生成训练后的深度 学习 网络模型； 所述历史用户轨迹包括按照下单顺序排列的用户下单 的目标产品， 以及按照浏 览顺序排列的用户下 单前的历史浏览产品； 对实时获取的用户浏览轨迹进行筛选， 生成候选轨迹； 所述用户浏览轨迹包括当前用 户浏览的产品以及当前时间； 利用训练好的所述深度学习 网络模型对所述候选轨迹进行预测， 生成营销短信； 所述 营销短信包括待推荐用户以及至少一个目标推荐产品。 2.根据权利要求1所述的基于深度学习的营销短信生成方法， 其特征在于， 利用训练好 的所述深度学习网络模型对所述 候选轨迹进行预测， 生成营销短信， 包括： 利用训练好的所述深度学习 网络模型对所述候选轨迹进行预测， 生成用户画像； 所述 用户画像包括用户信息和所述 候选轨迹中的若干个候选目标产品； 对所述若干个候选目标产品进行筛 选， 确定至少一个目标推荐产品； 根据所述至少一个目标推荐产品和所述用户信息， 生成营销短信； 所述方法还 包括： 根据所述用户信息将所述营销短信发送至待推荐用户。 3.根据权利要求1所述的基于深度学习的营销短信生成方法， 其特征在于， 对实时获取 的用户浏览轨 迹进行筛 选， 生成候选 轨迹， 包括： 实时获取用户的浏览轨 迹； 对所述用户的浏览轨 迹进行初步筛 选， 确定至少一个第一 候选资源； 根据预定规则对所述至少一个候选资源进行召回， 生成第一数量个第二 候选资源； 在所述第一数量个第二 候选资源中进行二次筛 选， 确定候选 轨迹。 4.根据权利要求3所述的基于深度学习的营销短信生成方法， 其特征在于， 每个所述第 一候选资源均为实时获取的所述用户浏览轨 迹中的候选目标产品； 所述预定规则包括： 确定与 所述第一候选资源中的所述候选目标产品的距离为第 一距 离的候选目标产品， 作为第二 候选资源。 5.根据权利要求4所述的基于深度学习的营销短信生成方法， 其特征在于， 所述第 一数 量的范围为15 0至200； 所述第一距离为10km。 6.根据权利要求1所述的基于深度学习的营销短信生成方法， 其特征在于， 利用预先获 取的历史用户轨 迹对深度学习网络模型进行训练， 生成训练后的深度学习网络模型， 包括： 对预先获取的历史用户轨迹进行特征提取， 生成轨迹特征； 所述历史用户轨迹包括用 户的历史订单信息和用户下 单前的历史浏览信息； 将所述轨迹特征作为输入， 对深度学习 网络模型进行训练， 生成训练后的深度学习 网 络模型； 其中， 所述深度学习网络模型包括基础结构Transformer； 所述轨迹特征包括： 所述产 品的位置特 征和用户针对所述产品的浏览时长 。 7.根据权利要求6所述的基于深度学习的营销短信生成方法， 其特征在于， 所述深度 学 习网络模型的损失函数为：权　利　要　求　书 1/2 页 2 CN 115222459 A 2其中， y+是用户历史下单的目标产品， 是通过规则在Y 中选择的任意一个负样本， x表示y+对应的用户信息与实时获取的用户当前轨迹， F(x,y)表 示通过模型计算x与y的相似度， F(x,y)∈(0,1)。 8.一种基于深度学习的营销短信生成系统， 其特 征在于， 包括： 训练模块， 用于利用预先获取的历史用户轨迹对深度学习 网络模型进行训练， 生成训 练后的深度学习网络模型； 所述历史用户轨迹包括按照下单顺序排列的用户下单的目标产 品， 以及按照浏览顺序排列的用户下 单前的历史浏览产品； 筛选模块， 用于对实时获取的用户浏览轨迹进行筛选， 生成候选轨迹； 所述用户浏览轨 迹包括当前用户浏览的产品以及当前时间； 预测模块， 用于利用训练好的所述深度学习 网络模型对所述候选轨迹进行预测， 生成 营销短信； 所述营销短信包括待推荐用户以及至少一个目标推荐产品。 9.一种电子设备， 包括存储器、 处理器， 所述存储器中存储有可在所述处理器上运行的 计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现上述权利要求1至7任一 项所述的方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有机器可运 行指令， 所述计算机可运行指令在被处理器调用和运行时， 所述计算机可运行指令促使所 述处理器运行 所述权利要求1至7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115222459 A 3