[发明专利]一种网络热销商品的预测方法及系统

权利要求书

1.网络热销商品的预测方法，包括如下步骤：

步骤ST1，网络热销商品逻辑控制模块M3控制数据获取接口模块M1根据需求获取所需预测的商品列表，每个商品有一个唯一标识Id；

步骤ST2，网络热销商品逻辑控制模块M3控制数据获取接口模块M1读取列表中所有商品的历史访问、成交数据，并结构化为如下的形式；

字段名称字段类型是否可选IdInt否TimeTimestamp否ActionBool否

步骤ST3，网络热销商品逻辑控制模块M3控制参数智能设置模块M4根据历史数据，自动设置热销商品预测所需的参数，具体包括以下几个步骤：

步骤ST301，设定一个时间点t′，用于将数据分为测试集与训练集两部分，为最优参数的设置提供参照集；

步骤ST302、ST303和ST309，比较时间点t′与历史数据中各次成交、访问的时间，将t′时间之前产生的数据归入训练集，t′时间之后的数据归入测试集；

步骤ST304，初始化参数a＝ε，τ＝0；预测所需参数a为大于0的数，根据参数迭代优化的方法找到最优参数；

步骤ST305，计算训练集中各次访问权重；设访问i的访问时间为t1_i，则这次访问的权重值为

步骤ST306，计算训练集中各次成交的权重；设成交i的成交时间为t2_i，则这次成交的权重值为

步骤ST307，计算商品的热销总权重；设V为某商品所有训练集中的访问组成的集合，B为其所有训练集中的成交组成的集合，则该商品的热销总权重为W＝∑_i∈Vw1_i+∑_i∈Bw2_i；

步骤ST308，将各个商品根据热销总权重从大到小排序；

步骤ST310，计算测试集中各商品的成交数量，并按从大到小顺序排序；

步骤ST311，将步骤ST308与ST310所得的两个排序结果进行比较，计算其Kendall's tau值，记作τ′；

步骤ST312、ST313与ST314，比较τ与τ′；如果τ′>τ，则设置τ＝τ′，a＝a×Δ，回到第(4)步；其中Δ为控制预测精度的参数，可根据需要自由设定；如果τ′<τ，则α/Δ即为得到的预测参数；

步骤ST4，网络热销商品逻辑控制模块M3控制预测模块M5根据历史数据和参数智能设置模块M4设置的预测参数，预测各商品的热销指数，具体包括以下几个步骤：

ST401,计算各次访问的权重；设访问i的访问时间为t1_i，则这次访问的权重值为t为当前时刻，a为参数智能设置模块M4设置的预测参数；

ST402，计算各次成交的权重；设成交i的成交时间为t2_i，则这次成交的权重值为t为当前时刻，a为参数智能设置模块M4设置的预测参数；

ST403，计算商品的热销总权重，即热销指数；设V为某商品所有访问组成的集合，B为其所有成交组成的集合，则该商品的热销总权重为W＝Σ_i∈Vw1_i+Σ_i∈Bw2_i；

步骤ST5，网络热销商品逻辑控制模块M3控制排名输出模块M2，根据预测模块计算得到的热销指数对各个商品进行排序，指数越高排名越靠前，排名靠前的商品即为预测得到的热销商品，将最终预测结果排序输出。

2.实现如权利要求1所述的网络热销商品的预测方法的系统，其特征在于：包括五个模块：数据获取接口模块、预测模块、排名输出模块、参数智能设置模块和逻辑控制模块；

数据获取接口模块：获取相关商品列表及其历史数据，包括商品的各次访问的时间和各次历史成交的时间；

预测模块：计算各商品的热销指数，具体实现步骤如下：

(A1)计算各次访问的权重。设访问i的访问时间为t1_i，则这次访问的权重值为t为当前时刻，a为可调节的参数；

(A2)计算各次成交的权重。设成交i的成交时间为t2_i，则这次成交的权重值为t为当前时刻，a为可调节的参数；

(A3)计算商品的热销总权重，即热销指数。设V为某商品所有访问组成的集合，B为其所有成交组成的集合，则该商品的热销总权重为W＝∑_i∈Vw1_i+∑_i∈Bw2_i；

排名输出模块：将最终预测结果排序输出。此模块根据预测模块计算得到的热销指数对各个商品进行排序，指数越高排名越靠前；排名靠前的商品即为预测得到的热销商品；

参数智能设置模块：自动设置预测所需的参数a，具体实现步骤如下，其中ε与Δ可根据所需精度自由设定：

(B1)将所有商品的历史数据以时间点t′为界分为两个部分，t′之前的数据作为训练集，之后的数据作为测试集；

(B2)计算测试集中各商品的成交数量，并按从大到小顺序排序；

(B3)初始化a＝ε，τ＝0；

(B4)计算训练集中各次访问权重。设访问i的访问时间为t1_i，则这次访问的权重值为w1i=ea(t1i-t′)]]>

(B5)计算训练集中各次成交的权重。设成交i的成交时间为t2_i，则这次成交的权重值为w2i=ea(t2i-t′)]]>

(B6)计算商品的热销总权重。设V为某商品所有训练集中的访问组成的集合，B为其所有训练集中的成交组成的集合，则该商品的热销总权重为W＝∑_i∈Vw1_i+∑_i∈Bw2_i；

(B7)将各个商品根据热销总权重从大到小排序，将排序结果与步骤(2)中的排序结果进行比较，计算Kendall's tau值，记作τ′；

(B8)比较τ与τ′，如果τ′>τ，则设置τ＝τ′，a＝a×Δ，回到第(4)步；如

果τ′<τ，则a/Δ即为得到的预测参数；

逻辑控制模块：控制数据获取接口模块读取各商品的历史访问、成交数据；控制预测模块计算各商品的热销指数；控制排名输出模块输出预测结果；控制参数智能设置模块自动设置参数。