[发明专利]商品价格预测方法及装置

权利要求书

1.一种商品价格预测方法，其特征在于，包括：

获取商品价格预测的目标样本数据；所述目标样本数据包括：第一参数和第二参数所对应的数据；将所述第一参数作为输入参数；其中所述第一参数包括：商品属性参数、商品所处环境参数；将所述第二参数作为输出参数；其中所述第二参数包括：商品价格；所述目标样本数据包括：训练样本数据和验证样本数据；

基于预设输入输出关系函数模型，确定所述预设输入输出关系函数模型中每个参数的先验分布函数；

根据所述先验分布函数、所述训练样本数据和贝叶斯定理，得到商品价格预测分布函数模型；

将新的待预测输入参数数据输入所述商品价格预测分布函数模型，计算所述商品价格预测分布函数模型的输出结果，作为所述新的待预测输入参数数据对应的商品预测价格。

2.根据权利要求1所述的方法，其特征在于，所述基于预设输入输出关系函数模型，确定所述预设输入输出关系函数模型中每个参数的先验分布函数，具体包括：

所述预设输入输出关系函数模型为：

t＝f(x)+ε；其中，

其中，A_i^Tx+b_i表示对输入特征向量进行一个线性变换，A_i为内权参数，b_i为偏置参数，β_i为外权参数，m表示隐层结点的个数，而G表示非线性的激活函数，ε表示高斯白噪声；

其中，ε的先验分布函数为均值为0，方差为σ²的高斯分布函数；

内权参数{A_i,j:i＝1,…,m；j＝1,…,p}的先验分布函数设为：

偏置参数{b_i:i＝1,…,m}先验分布函数设为：

p(b_i)＝N(b_i|κ₁,κ₂),i＝1,…,m.；

外权参数的先验分布函数设为：

p(β)＝N(β|0,γ^-1I).

超参数{σ²,γ}的先验分布函数设为：

p(γ)＝gamma(γ|α₁,α₂)

p(σ²)＝Gamma(σ²|α₃,α₄)；

其中，μ_i,j,η_i,jκ₁,κ₂,α₁,α₂,α₃,α₄为常数。

3.根据权利要求2所述的方法，其特征在于，所述非线性的激活函数包括：sigmoid函数、径向基函数及双曲正切函数中的一种。

4.根据权利要求1所述的方法，其特征在于，所述根据所述先验分布函数、所述训练样本数据和贝叶斯定理，得到商品价格预测分布函数模型，具体包括：

将所述训练样本数据带入所述先验分布函数中，利用贝叶斯公式计算参数变量z＝{β,A,b,γ,σ²}的后验分布，得到以下算式：

其中，联合分布p(D,z)＝p(t|X,β,σ²,A,b)p(β|γ)p(γ)p(A)p(b)；

通过最大化明显下界ELBO寻找p(z|D)的变分逼近分布q(z|θ)，其中ELBO定义为：L(θ)＝E_qθ(z)[logp(z|D)]-E_qθ(z)[logq(z|θ)]；

利用得到的逼近分布q(z|θ)计算得到所述商品价格预测分布函数模型：

p(t|D,z,x)＝E_q(z|θ)[p(t|x，z)]；

其中，D是所述训练样本数据，z是所述参数变量，x是新的输入参数数据。