[发明专利]一种网络热销商品的预测方法及系统

摘要

网络热销商品的预测方法，包括：网络热销商品逻辑控制模块M3控制数据获取接口模块M1根据需求获取所需预测的商品列表；网络热销商品逻辑控制模块M3控制数据获取接口模块M1读取列表中所有商品的历史访问、成交数据，并结构化；网络热销商品逻辑控制模块M3控制参数智能设置模块M4根据历史数据，自动设置热销商品预测所需的参数；网络热销商品逻辑控制模块M3控制预测模块M5根据历史数据和参数智能设置模块M4设置的预测参数，预测各商品的热销指数；网络热销商品逻辑控制模块M3控制排名输出模块M2，根据预测模块计算得到的热销指数对各个商品进行排序。以及实现上述方法的系统。

主权项

网络热销商品的预测方法，包括如下步骤：步骤ST1，网络热销商品逻辑控制模块M3控制数据获取接口模块M1根据需求获取所需预测的商品列表，每个商品有一个唯一标识Id；步骤ST2，网络热销商品逻辑控制模块M3控制数据获取接口模块M1读取列表中所有商品的历史访问、成交数据，并结构化为如下的形式；字段名称字段类型是否可选IdInt否TimeTimestamp否ActionBool否步骤ST3，网络热销商品逻辑控制模块M3控制参数智能设置模块M4根据历史数据，自动设置热销商品预测所需的参数，具体包括以下几个步骤：步骤ST301，设定一个时间点t′，用于将数据分为测试集与训练集两部分，为最优参数的设置提供参照集；步骤ST302、ST303和ST309，比较时间点t′与历史数据中各次成交、访问的时间，将t′时间之前产生的数据归入训练集，t′时间之后的数据归入测试集；步骤ST304，初始化参数a＝ε，τ＝0；预测所需参数a为大于0的数，根据参数迭代优化的方法找到最优参数；步骤ST305，计算训练集中各次访问权重；设访问i的访问时间为t1_i，则这次访问的权重值为步骤ST306，计算训练集中各次成交的权重；设成交i的成交时间为t2_i，则这次成交的权重值为步骤ST307，计算商品的热销总权重；设V为某商品所有训练集中的访问组成的集合，B为其所有训练集中的成交组成的集合，则该商品的热销总权重为W＝∑_i∈Vw1_i+∑_i∈Bw2_i；步骤ST308，将各个商品根据热销总权重从大到小排序；步骤ST310，计算测试集中各商品的成交数量，并按从大到小顺序排序；步骤ST311，将步骤ST308与ST310所得的两个排序结果进行比较，计算其Kendall's tau值，记作τ′；步骤ST312、ST313与ST314，比较τ与τ′；如果τ′>τ，则设置τ＝τ′，a＝a×Δ，回到第(4)步；其中Δ为控制预测精度的参数，可根据需要自由设定；如果τ′<τ，则α/Δ即为得到的预测参数；步骤ST4，网络热销商品逻辑控制模块M3控制预测模块M5根据历史数据和参数智能设置模块M4设置的预测参数，预测各商品的热销指数，具体包括以下几个步骤：ST401,计算各次访问的权重；设访问i的访问时间为t1_i，则这次访问的权重值为t为当前时刻，a为参数智能设置模块M4设置的预测参数；ST402，计算各次成交的权重；设成交i的成交时间为t2_i，则这次成交的权重值为t为当前时刻，a为参数智能设置模块M4设置的预测参数；ST403，计算商品的热销总权重，即热销指数；设V为某商品所有访问组成的集合，B为其所有成交组成的集合，则该商品的热销总权重为W＝Σ_i∈Vw1_i+Σ_i∈Bw2_i；步骤ST5，网络热销商品逻辑控制模块M3控制排名输出模块M2，根据预测模块计算得到的热销指数对各个商品进行排序，指数越高排名越靠前，排名靠前的商品即为预测得到的热销商品，将最终预测结果排序输出。