[发明专利]热销商品预测方法、系统及装置

说明书

本公开提供了一种热销商品预测方法、系统及装置。一种热销商品预测方法，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；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；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。本公开可以预测热销商品。

技术领域

本公开涉及应用软件开发技术领域，具体而言，涉及一种热销商品预测方法、系统及装置。

背景技术

随着互联网技术的迅速发展，网上购物已经成为人们生活中不可缺少的一部分，各类网上购物平台的发展十分快速，其订单量、交易额近几年一直保持着较高的增长率。

在这个经济快速发展的时代，人们上网购物的个性化和多样化需求也极大地提高了。每当电商网站大促的时候，比如618或双十一，大部分用户都想快速找到热销的商品，如果需要用户自己浏览网页去寻找这些热销商品，显示起不到好的推荐效果。另一方面，商品在大促期间表现出来的热销特点与平时也会不一样，这时候如果推荐系统中推荐出和平时一样的商品给用户，就体现不出商品在大促时期的特点。

因此，需要一种新的热销商品预测方法、系统及装置。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种热销商品预测方法、系统及装置，用于至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或多个问题。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本公开的一个方面，提供一种热销商品预测方法，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。

在本公开的一种示例性实施例中，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、库存特征中的任意一种或者多种。

在本公开的一种示例性实施例中，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。

在本公开的一种示例性实施例中，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。

在本公开的一种示例性实施例中，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。

在本公开的一种示例性实施例中，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。