一种基于多模态联邦学习的电商实时定价方法与系统

本发明特别涉及一种基于多模态联邦学习的电商实时定价方法与系统。该基于多模态联邦学习的电商实时定价系统，聚合各参与方的异构多模态数据，从中提取商品需求与用户偏好联合特征；采用层级注意力机制融合多模态特征，生成商品需求弹性系数与用户意图置信度；在本地加密数据的基础上，通过参数聚合机制跨域协作训练定价模型，以保障数据隐私；基于增量学习与流式计算，结合实时市场实时数据流，秒级生成最优定价策略。该基于多模态联邦学习的电商实时定价方法与系统，实现了高精度、低时延的动态定价，提升了平台收益与转化率，打破了数据孤岛同时严格满足隐私合规要求，为跨平台商业协作提供了可信技术基础。