[发明专利]产品组合难易度的度量方法、装置、设备及存储介质

权利要求书

1.一种产品组合难易度的度量方法，其特征在于，所述产品组合难易度的度量方法包括：

获取业务产品销售原始数据，对所述业务产品销售原始数据依次进行特征选择和数据清洗，得到目标度量指标数据集；

对所述目标度量指标数据集中的各目标度量指标数据进行数据值统计并生成设定的标杆数据，得到标杆数据集；

获取基于所述目标度量指标数据集的多产品组合数据集，并计算所述多产品组合数据集中各多产品组合数据与所述标杆数据集之间的多个空间度量值，得到各多产品组合数据对应的多个空间度量值；

将所述各多产品组合数据对应的多个空间度量值进行融合，得到各多产品组合数据对应的产品组合难易度评估值。

2.根据权利要求1所述的产品组合难易度的度量方法，其特征在于，所述获取基于所述目标度量指标数据集的多产品组合数据集，并计算所述多产品组合数据集中各多产品组合数据与所述标杆数据集之间的多个空间度量值，得到各多产品组合数据对应的多个空间度量值，包括：

获取基于所述目标度量指标数据集的多产品组合数据，将所述多产品组合数据集与所述标杆数据集分别进行空间向量转换，得到多产品组合空间向量集和标杆空间向量集；

分别计算所述多产品组合空间向量集中的各多产品组合空间向量与所述标杆空间向量集之间的目标欧式距离值、目标余弦相似度和目标相对熵值，得到各多产品组合数据对应的多个空间度量值。

3.根据权利要求2所述的产品组合难易度的度量方法，其特征在于，所述分别计算所述多产品组合空间向量集中的各多产品组合空间向量与所述标杆空间向量集之间的目标欧式距离值、目标余弦相似度和目标相对熵值，得到各多产品组合数据对应的多个空间度量值，包括：

分别计算所述多产品组合空间向量集中的各多产品组合空间向量与所述标杆空间向量集中各标杆空间向量之间的欧式距离值、余弦相似度值和相对熵值，得到各多产品组合数据对应的多个初始欧式距离值、多个初始余弦相似度值和多个初始相对熵值；

将所述各多产品组合数据对应的多个初始欧式距离值、多个初始余弦相似度值和多个初始相对熵值分别进行加权平均值计算，得到各多产品组合数据对应的目标欧式距离值、目标余弦相似度和目标相对熵值；

将各多产品组合数据对应的目标欧式距离值、目标余弦相似度和目标相对熵值确定为各多产品组合数据对应的多个空间度量值。

4.根据权利要求1所述的产品组合难易度的度量方法，其特征在于，所述将所述各多产品组合数据对应的多个空间度量值进行融合，得到各多产品组合数据对应的产品组合难易度评估值，包括：

对所述各多产品组合数据对应的多个空间度量值分别进行归一化，得到每个多产品组合数据对应的已归一化度量值集；

将每个多产品组合数据对应的已归一化度量值集各自进行求和，得到各多产品组合数据对应的产品组合难易度评估值。

5.根据权利要求1所述的产品组合难易度的度量方法，其特征在于，所述获取业务产品销售原始数据，对所述业务产品销售原始数据依次进行特征选择和数据清洗，得到目标度量指标数据集，包括：

获取业务产品销售原始数据，对所述业务产品销售原始数据依次进行特征向量矩阵、特征值计算和特征矩阵降维，得到待处理特征信息；

按照预设的业务度量指标，对所述待处理特征信息进行筛选，得到初始度量指标数据集；

对所述初始度量指标数据集进行空值填充和脏数据删除，得到目标度量指标数据集。

6.根据权利要求1-5中任一项所述的产品组合难易度的度量方法，其特征在于，所述将所述各多产品组合数据对应的多个空间度量值进行融合，得到各多产品组合数据对应的产品组合难易度评估值之后，还包括：

获取各多产品组合数据对应的组合风险概率，以及基于各多产品组合数据对应的产品组合难易度评估值计算各多产品组合数据对应的组合拓展度量值，根据所述组合风险概率和所述组合拓展度量值选取目标多产品组合对。