[发明专利]特征属性的构建方法

说明书

技术领域

本发明涉及大数据应用技术，特别是涉及一种数据对象的特征属性的构建方法。

背景技术

在传统工业时代，消费者与消费者，消费者与企业、产业链上下游之间的信息交流是闭塞的，不对等的。企业在生产商品时，往往根据自己的经验进行商品生产，确定商品需要生产的各项属性，最终进行生产。由于没有很好的提前对市场进行调研，收集用户需求，导致生产出的商品往往不受人们所需要，甚至自认为对用户有很大帮助的功能用户都从来没有用过，造成企业大多数是在生产用户不需要的商品。因此如何确定商品的各项属性是用户所需要的，如何确定该商品的各项属性是当今制造业面临的巨大挑战。

目前被广泛应用的特征属性的确定方案中，是根据特征属性所属数据对象(如某种商品)的历史市场销量数据确定的，例如，将历史销量中卖的最好的属性值组合起来，构成数据对象的属性集合。

例如屏幕尺寸、颜色、电池容量是手机的三个特征属性，而屏幕尺寸目前有5英寸、4.5英寸、4英寸三个可供生产的属性值。厂商在确定手机屏幕尺寸时通过历史中各尺寸的销售记录来看哪个尺寸卖的最好，从而最终确定下一代手机的屏幕尺寸大小，同理确定其他手机属性如颜色、电池容量等等。

由于在实际应用中，单个属性值历史销量最好无法确保它们组合起来后可以获得较好的销量，因此，上述直接选择销量数据最大的属性值，构建数据对象的特征属性的方法，无法对未来的用户真实需要进行预测，进而也不能确保所得到数据对象与实际的市场需要所匹配。

发明内容

有鉴于此，本发明的主要目的在于提供一种特征属性的构建方法，可以使得所得到数据对象满足更多用户的实际需要。

为了达到上述目的，本发明提出的技术方案为：

一种特征属性的构建方法，包括：

a、根据属性值数量，从数据对象的特征属性集合中，选择出候选特征属性；并根据属性值对应的产品销量占比，对所述候选特征属性的属性值进行筛选；

b、根据所述数据对象所属类别下已有产品的销量数据，确定所述候选特征属性的每个属性值的整体效用贡献系数；

c、根据所述整体效用贡献系数和所述数据对象所属类别下已有产品的用户评论数据，确定每个所述候选特征属性的重要性分值；

d、选择所述候选特征属性中重要性分值最大的前M个候选特征属性作为所述数据对象的重要特征属性；其中，M为预设的重要特征属性的数量门限；

e、将不同重要特征属性的不同属性值进行组合，得到N组属性值组合，其中，每组属性值组合包含M个属性值且各自所属的特征属性不同；

f、确定每组属性值组合的可生产性占比；根据所述可生产性占比和属性值组合中各属性值的所述整体效用贡献系数，确定出所述数据对象的最优属性值组合。

综上所述，本发明提出的特征属性的构建方法，根据历史销量数据和用户评论数据，选择出重要特征属性，然后对其属性值进行组合，最后根据每种组合的可生产性占比以及组合中各属性值的整体效用贡献系数，确定出数据对象的最优属性值组合。这样，在确定重要特征属性以及选择相应属性值组合时，不仅考虑了历史销售数据，还考虑了用户的评论数据，以及属性值组合的可生产性，从而可以有效提升最终确定出的特征属性值组合的客观性和准确性，使得对应的数据对象可以满足更多用户的实际需要。

附图说明

图1为本发明实施例一的流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步地详细描述。

本发明的核心思想是：通过建模分析数据对象的重要特征属性及每个属性值，据此确定数据对象的最优的特征属性组合，以提升数据对象的客观性和准确性。

图1为本发明实施例一的流程示意图，如图1所示，该实施例主要包括：

步骤101、根据属性值数量，从数据对象的特征属性集合中，选择出候选特征属性；并根据属性值对应的产品销量占比，对所述候选特征属性的属性值进行筛选。

本步骤，用于选择出候选特征属性并对其属性值进行筛选。

较佳地，可以采用下述方法选择出候选特征属性：

步骤a1、删除所述特征属性集合中只有两种属性值的特征属性。

这里，考虑到只有两种属性值时，如支持和不支持Java功能，用户的可选择性较小，这种属性对于用户的选择性影响不大，因此，其重要性较低，可以剔除。

步骤a2、删除所述特征属性集合中属性值数量超过预设的数量阈值a的特征属性，a>9。