[发明专利]热销商品预测方法、系统及装置

权利要求书

1.一种热销商品预测方法，其特征在于，包括：

获取第一预设时间段内的第一商品数据，所述第一商品数据包括第一特征数据和第一标签数据，其中所述第一特征数据包括多个特征的多个特征值，根据所述多个特征的多个特征值的大小分别对各个特征相应的多个特征值进行排序并分布式存储于块结构中；

获取第二预设时间段内的第二特征数据；

根据所述第一商品数据构建一预测模型，所述预测模型包括多棵决策树，所述决策树包括多个按序排列的节点，其中从所述块结构中同时读取各个特征相应的多个特征值，根据各个特征相应的多个特征值多线程并行计算各个特征的信息增益，并根据各个特征的信息增益的大小决定各个特征处于所述决策树的节点的位置；

将所述第二特征数据输入至所述预测模型，预测所述第二预设时间段内的热销商品。

2.根据权利要求1所述的热销商品预测方法，其特征在于，所述第一特征数据包括所述第一预设时间段内的第一预定时间间隔内的商品的浏览特征、品牌特征、店铺特征、评论特征、上架时长特征、订单特征、库存特征中的多种或者全部。

3.根据权利要求1所述的热销商品预测方法，其特征在于，获取所述第一标签数据包括：

根据所述第一预设时间段内的第二预定时间间隔内的商品的订单量将商品划分为热销商品和非热销商品；

给所述热销商品打上第一标签，所述非热销商品打上第二标签。

4.根据权利要求1所述的热销商品预测方法，其特征在于，还包括：

将所述第一特征数据和所述第一标签数据进行关联；

将关联后的所述第一特征数据和所述第一标签数据整理成所述预测模型要求的输入数据格式。

5.根据权利要求1所述的热销商品预测方法，其特征在于，所述根据所述第一商品数据构建一预测模型，包括：

设置所述预测模型的参数的初始值；

将所述第一商品数据分为K个子样本；

选择所述K个子样本中的部分子样本用于训练所述预测模型；

选择所述K个子样本中的另一部分子样本用于验证训练后的所述预测模型；

根据验证结果调整所述预测模型的参数。

6.根据权利要求1所述的热销商品预测方法，其特征在于，还包括：

分析所述预测模型的评估指标；

根据所述评估指标的分析结果对所述预测模型进行优化。

7.根据权利要求6所述的热销商品预测方法，其特征在于，所述根据所述评估指标的分析结果对所述预测模型进行优化包括：

调整所述第一特征数据和/或所述第一标签数据和/或所述第二特征数据。

8.根据权利要求6所述的热销商品预测方法，其特征在于，所述根据所述评估指标的分析结果对所述预测模型进行优化包括：

调整所述预测模型的参数。

9.根据权利要求1所述的热销商品预测方法，其特征在于，所述预测模型采用xgboost算法。

10.一种热销商品预测系统，其特征在于，包括：

第一获取模块，用于获取第一预设时间段内的第一商品数据，所述第一商品数据包括第一特征数据和第一标签数据，其中所述第一特征数据包括多个特征的多个特征值，根据所述多个特征的多个特征值的大小分别对各个特征相应的多个特征值进行排序并分布式存储于块结构中；

第二获取模块，用于获取第二预设时间段内的第二特征数据；

模型构建模块，用于根据所述第一商品数据构建一预测模型，所述预测模型包括多棵决策树，所述决策树包括多个按序排列的节点，其中从所述块结构中同时读取各个特征相应的多个特征值，根据各个特征相应的多个特征值多线程并行计算各个特征的信息增益，并根据各个特征的信息增益的大小决定各个特征处于所述决策树的节点的位置；

商品预测模块，用于将所述第二特征数据输入至所述预测模型，预测所述第二预设时间段内的热销商品。