基于云服务平台大数据挖掘的仓位组合方法
【专利摘要】本发明公开了一种基于云服务平台大数据挖掘的仓位组合方法，具体根据历史订单数据做数据挖掘分析，找出商品关联性，对仓位进行合并，重新进行储位调整，基于用户订单数据对仓位进行组合，更加符合实际需求；通过求关联方法，只需扫描一次数据库，在构建初始Id表时扫描一次数据库，把每一个商品对应的交易Id全部填入到表内，提高了计算效率；组合仓位根据访问频率进行设置，可提高捡货人员的作业效率。
【专利说明】 基于云服务平台大数据挖掘的仓位组合方法
【技术领域】
[0001]本发明属于电子信息【技术领域】，涉及电子商务中的大数据和云计算应用，具体涉及基于云服务平台大数据挖掘的仓位组合方法。
【背景技术】
[0002]现代仓储管理更加注重仓储的时效性，是一种动态的管理，重视商品在拣货出库时的数量位置变化，从而配合其他仓储作业。储位管理就是利用储位来使商品处于被保管状态并且能够明确显示所储存的位置，同时当商品的位置发生变化时能够准确记录，使管理者能够随时掌握商品的数量、位置，以及去向。
[0003]良好的储位分配策略可以减少捡货作业人员出入库移动的距离、缩短作业时间，甚至能够充分利用存储空间。目前比较较流行的储位指派技术:定位存储、随机存储和分类存储等。在传统的，规模较小的物流业中，这些储位指派或许能够满足业务需求，但是随着电子商务的不断发展，如何才能更快、更有效的配送货物是取得竞争优势的一大问题。捡货作业是物流重要环节，科学合理的仓位设计能够有效提高操作人员的捡货速度，从而减低成本。
[0004]目前，对仓位组合系统的优化方法很多，包括计算法、枚举法、随机算法等，随着研究的深入，有出现了通过遗传算法来解决货位组合优化问题，然而这些方案都仅仅只考虑至IJ仓库货物，没有联系到用户的购买习惯，所以影响到了算法质量，从而降低了存取效率。
[0005]在B/B电子商务中，每天产生大量看似庞杂的信息，而在这些信息背后蕴藏了丰富的用户购买组合规律和习惯。通过数据挖掘的手段找出这些规律和知识、来对仓位组合提供指导，以方便捡货作业。
【发明内容】
[0006]本发明的目的是为了解决现有技术存在的上述问题，提出了一种基于云服务平台大数据挖掘的仓位组合方法。
[0007]本发明的技术方案为:一种基于云服务平台大数据挖掘的仓位组合方法，具体包括如下步骤:
[0008]将历史订单数据作为数据源，通过关联规则计算出商品之间的关联性，采用分布处理思想，首先求解频繁k -1项集，然后自联接生成候选频繁k项集；
[0009]频繁k项集的求解如下:
[0010]a)将商品作为主键建立商品Id表。
[0011]b)根据表中的数据求解频繁项集(假定最小支持数为S，求出交易项对应的交易Id数组中元素的个数就求出了改交易项的支持数，如表I中的元素的个数就求出了改交易项的支持数S):
[0012]求出交易项对应的交易Id数组中的元素个数得出该交易项的支出数；如果交易项不是频繁的(如果交易项对应的交易Id数组长度大于支持数S，则交易项是频繁的，否则不是频繁的)则从商品Id表中删除；
[0013]定义一个数组IDArray，存储数据库汇总交易项和其交易Id，数组的长度为交易Id的总个数，把该数组的各个元素的初始值设为O,这个数组称为ID数组，ID数组只有I个。
[0014]从生成的所有频繁k-Ι项集的第I个频繁项集开始；把该频繁项集对应的所有交易ID在数组中对应的元素设置为1，扫描所有其后面的频繁k-Ι项集和它进行自连接；如果和某个频繁k-Ι项集m生成了一个候选频繁k项集p，则累计m包含的交易ID在数组中的对应位置的值为I的个数η ;如果η大于最小支持数则为频繁的，否则是非频繁的；
[0015]如果生成的这个项集P为频繁的，则把P加入到商品Id表中；当扫描完某个频繁k-Ι项集后面的所有频繁k-Ι项集后，则以后的求解过程和该频繁k-Ι项集无关，把该频繁k-ι项集的条目从商品Id表中删除；循环一直到不再生成候选频繁k项集结束，最后输出所有的频繁项集。
[0016]新生成的商品Id表中的交易项即是商品关联项，根据表中的交易项组合仓位；
[0017]根据新得到的商品Id表计算交易Id的频率，将交易项按照交易Id顺序进行排列，即仓位访问频率，将访问频率高的仓位组合设置在离仓库出口最近的地方。
[0018]本发明的有益效果:本发明的方法根据历史订单数据做数据挖掘分析，找出商品关联性，对仓位进行合并，重新进行储位调整，基于用户订单数据对仓位进行组合，更加符合实际需求；通过求关联方法，只需扫描一次数据库，在构建初始Id表时扫描一次数据库，把每一个商品对应的交易Id全部填入到表内，提高了计算效率；组合仓位根据访问频率进行设置，可提高捡货人员的作业效率。
【具体实施方式】
[0019]本发明实施例所用的方法如下:
[0020]将历史订单数据作为数据源，通过关联规则计算出商品之间的关联性。采用分布处理思想，首先求解频繁项k -1项，然后自联接声称候选频繁k项集，k项集的求解如下:[0021 ] 有别于传统的将订单作为主键建立数据库方法，将商品作为主键建立商品——Id表。
[0022]根据表中的数据求解频繁项集(假定最小支持数为S，求出交易项对应的交易Id数组中元素的个数就求出了改交易项的支持数，如表I中的元素的个数就求出了改交易项的支持数s):
[0023]求出交易项对应的交易Id数组中的元素个数得出该交易项的支出数；如果交易项不是频繁的，则从商品Id表中删除；
[0024]定义一个数组IDArray，数组的长度为交易Id的总个数，把该数组的各个元素的初始值设为0，这个数组称为ID数组。在整个算法中，ID数组只有I个。
[0025]从生成的所有频繁k-1项集的第I个频繁项集开始；把该频繁项集对应的所有交易ID在数组中对应的元素设置为I，扫描所有其后面的频繁k -1项集和它进行自连接；如果和某个频繁k -1项集m生成了一个候选频繁k项集p，则累计m包含的交易ID在数组中的对应位置的值为I的个数η ;如果η大于最小支持数则为频繁的，否则是非频繁的；
[0026]如果生成的这个项集P为频繁的，则把P加入到商品-1D表中；当扫描完某个频繁k -1项集后面的所有频繁k-1项集后，则以后的求解过程和该频繁k -1项集无关，把该频繁k-ι项集的条目从商品Id表中删除；循环一直到不再生成候选频繁k项集结束，最后输出所有的频繁项集。
[0027]新生成的商品Id表中的交易项即是商品关联项，根据表中的交易项组合仓位；
[0028]根据新得到的商品Id表计算交易Id的频率，将交易项按照交易Id顺序进行排列，即仓位访问频率，将访问频率高的仓位组合设置在离仓库出口最近的地方。
[0029]表1商品为主键的数据库
[0030]
【权利要求】
1.一种基于云服务平台大数据挖掘的仓位组合方法，其特征在于，具体包括如下步骤: 将历史订单数据作为数据源，通过关联规则计算出商品之间的关联性，采用分布处理思想，首先求解频繁k -1项集，然后自联接生成候选频繁k项集； 频繁k项集的求解如下: a)将商品作为主键建立商品Id表； b)根据表中的数据求解频繁项集，假定最小支持数为S，求出交易项对应的交易Id数组中元素的个数就求出了改交易项的支持数； 求出交易项对应的交易Id数组中的元素个数得出该交易项的支出数；如果交易项不是频繁的则从商品Id表中删除，所述的频繁的具体为:如果交易项对应的交易Id数组长度大于支持数S，则交易项是频繁的，否则不是频繁的； 定义一个数组IDArray，存储数据库汇总交易项和其交易Id，数组的长度为交易Id的总个数，把该数组的各个元素的初始值设为O,这个数组称为ID数组，ID数组只有I个。 从生成的所有频繁k-Ι项集的第I个频繁项集开始；把该频繁项集对应的所有交易ID在数组中对应的元素设置为1，扫描所有其后面的频繁k-Ι项集和它进行自连接；如果和某个频繁k-Ι项集m生成了一个候选频繁k项集P,则累计m包含的交易ID在数组中的对应位置的值为I的个数η ;如果η大于最小支持数则为频繁的，否则是非频繁的； 如果生成的这个项集P为频繁的，则把P加入到商品Id表中；当扫描完某个频繁k-1项集后面的所有频繁k-Ι项集后，则以后的求解过程和该频繁k-Ι项集无关，把该频繁k-Ι项集的条目从商品Id表中删除；循环一直到不再生成候选频繁k项集结束，最后输出所有的频繁项集。 新生成的商品Id表中的交易项即是商品关联项，根据表中的交易项组合仓位； 根据新得到的商品Id表计算交易Id的频率，将交易项按照交易Id顺序进行排列，即仓位访问频率，将访问频率高的仓位组合设置在离仓库出口最近的地方。
【文档编号】G06F17/30GK103984765SQ201410239142
【公开日】2014年8月13日 申请日期:2014年5月30日 优先权日:2014年5月30日
【发明者】宋彧婕, 杜小清, 梁恒, 李富强 申请人:成都德迈安科技有限公司