[发明专利]对象类目的周期判断方法、装置、服务器及可读存储介质

说明书

本说明书实施例公开了一种对象类目的周期判断方法，对目标对象类目数据进行时序分解，得到目标时序分解曲线；根据所述目标时序分解曲线，衍生出目标周期性变量；对所述目标对象类目数据进行分析，得到目标基础变量；通过已训练的目标决策树模型对所述目标周期性变量和所述目标基础变量进行处理，预测出所述目标对象类目是否为周期性对象类目的预测结果。如此，使得所述周期性变量与周期的相关度较高，在所述周期性变量与周期的相关度较高的基础上，使得训练出的所述目标决策树模型预测出周期性类目的准确度更高，即使得所述目标决策树模型预测出周期性类目的准确度更高。

技术领域

本说明书实施例涉及数据处理技术领域，尤其涉及一种对象类目的周期判断方法、装置、服务器及可读存储介质。

背景技术

随着电子商务的飞速发展，越来越多的商品在网上进行销售，使得电子商务上销售的对象类目也越来越多，对象类目例如可以是电脑、手机、电风扇、毛衣和羽绒服等，为了提高管理对象类目的效率，通常需要对对象类目进行周期性划分。

但是，在对对象类目进行周期性划分时，通常会通过无监督算法进行周期性划分，此时，首先通过对对象类目对应的交易曲线衍生变量，在通过人工划分阈值判断周期性；但是由于变量都是交易曲线衍生的且通过人工划分阈值，使得人工划分阈值的准确度较低，使得判断出的周期性的准确度较低。

发明内容

本说明书实施例提供了一种对象类目的周期判断方法、装置、服务器及可读存储介质，能够有效提高预测对象类目为周期性类目的准确度。

本说明书实施例第一方面提供了一种对象类目的周期判断方法，包括：

对目标对象类目数据进行时序分解，得到目标时序分解曲线，其中，所述目标时序分解曲线包括目标趋势曲线、目标残差曲线和表征目标周期性变化的目标周期性曲线；

根据所述目标时序分解曲线，衍生出目标周期性变量，其中，所述目标周期性变量包括目标周期性变化与目标趋势的第一相对强度，目标周期性变化与目标残差的第二相对强度，和所述第一相对强度与所述第二相对强度的乘积中的至少一个变量；

对所述目标对象类目数据进行分析，得到目标基础变量；

通过如上述目标决策树模型对所述目标周期性变量和所述目标基础变量进行处理，预测出所述目标对象类目是否为周期性对象类目的预测结果。

本说明书实施例第二方面还提供了一种对象类目的周期判断装置，包括：

目标时序分解单元，用于对目标对象类目数据进行时序分解，得到目标时序分解曲线，其中，所述目标时序分解曲线包括目标趋势曲线、目标残差曲线和表征目标周期性变化的目标周期性曲线；

目标周期性变量衍生单元，用于根据所述目标时序分解曲线，衍生出目标周期性变量，其中，所述目标周期性变量包括目标周期性变化与目标趋势的第一相对强度，目标周期性变化与目标残差的第二相对强度，和所述第一相对强度与所述第二相对强度的乘积中的至少一个变量；

目标基础变量获取单元，用于对所述目标对象类目数据进行分析，得到目标基础变量；

模型预测单元，用于通过如上述目标决策树模型对所述目标周期性变量和所述目标基础变量进行处理，预测出所述目标对象类目是否为周期性对象类目的预测结果。

本说明书实施例第三方面还提供了一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述对象类目的周期判断方法的步骤。

本说明书实施例第四方面还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时上述对象类目的周期判断方法的步骤。

本说明书实施例的有益效果如下：