一种网络热销商品的预测方法及系统的制作方法
【专利摘要】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。
【专利说明】一种网络热销商品的预测方法及系统
【技术领域】：
[0001] 本发明属于网络数据挖掘领域的热点趋势预测技术，具体来讲，涉及一种互联网 电子商务系统的热销商品预测方法。
【背景技术】
[0002] 随着互联网的发展普及，电子商务正以令人难于置信的速度发展，极大地改变着 人们的生活方式。艾瑞统计数据显示，2013年中国电子商务市场交易规模9. 9万亿元，同比 增长21. 3%，预计2017年电子商务市场规模将达21. 6万亿元。电子商务改变了人们的购 物方式，对于很多人来说，网上购物已成为日常消费的重要组成部分。各种零售行业的商家 也纷纷踏足电子商务市场，销售模式由传统的线下销售转到线上销售。
[0003] 电子商务平台的产品丰富价格透明，方便消费者的同时，也增大了商家之间的竞 争。在淘宝网输入"连衣裙"，搜索结果多达1300多万件。在搜索到的这些商品中，有些销 量达到上万件，而更多的却只销售寥寥几件甚至〇件。纵然销量的高低与商品自身品质和 商家营销推广手段有很大关系，但对市场趋势的准确预测是营销推广的前提。对于商家来 说，如果能够成功把握流行趋势，预测将会热销的商品，从而合理的安排进货库存、营销推 广，将会获得可观的收益。
[0004] 目前，预测网络热销商品的方法主要有两类：一类是根据本行业当前流行趋势 (相关新闻、舆论导向、主流价值观、季节特性等），人工根据经验综合分进行析预测，这种 方法主观性较高，人力成本较大，各行业之间没有通用性，相对偏差也较大；另一类是对电 子商务平台的商品销售评价记录等历史数据进行简单统计，进而预测热销商品，这种方法 通用性强，但应用价值不高，它只能预测到已经热销并将持续热销的商品，而不能预测目前 没有热销但将会热销的商品。目前，缺少一种通用性强的网络热销商品预测方法，充分利用 历史销售评价数据有效的挖掘出即将热销的商品。
【发明内容】
[0005] 本发明要克服现有技术的上述缺点，提供一种高效合理的、基于历史数据分析的 网络热销商品的预测方法和系统。
[0006] 本发明所述的网络热销商品的预测方法，包括如下步骤：
[0007] 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Ml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。
[0008] 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Ml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：
[0009]
【权利要求】
1.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Ml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Ml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；
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C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 = 〇 ;预测所需参数a为大于〇的数，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11i，则这次访问的权 重值为wl;_ =euW-'）； 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t2i，则这次成交的 权重值为w2;. =Wvn; 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 = Σ i e vwli+Σ i e Bw2i; 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J ;如果J >τ，则设置τ = τ、 a = aX △，回到第（4)步；其中Λ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/Λ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Μ5根据历史数据和参数智能设 置模块Μ4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Ui,则这次访问的权重值为 wl = ，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t2i，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M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 e ywli+Σ i e Bw2i; 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。
2.实现如权利要求1所述的网络热销商品的预测方法的系统，其特征在于：包括五个 模块：数据获取接口模块、预测模块、排名输出模块、参数智能设置模块和逻辑控制模块； 数据获取接口模块：获取相关商品列表及其历史数据，包括商品的各次访问的时间和 各次历史成交的时间； 预测模块：计算各商品的热销指数，具体实现步骤如下： (Al)计算各次访问的权重。设访问i的访问时间为Ui,则这次访问的权重值为 Wli = , t为当前时刻，a为可调节的参数； (A2)计算各次成交的权重。设成交i的成交时间为t2i，则这次成交的权重值为 w2; ，t为当前时刻，a为可调节的参数； (A3)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=E ievwli+ Σ ieBw2i; 排名输出模块：将最终预测结果排序输出。此模块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； 参数智能设置模块：自动设置预测所需的参数a，具体实现步骤如下，其中ε与Λ可 根据所需精度自由设定： (BI)将所有商品的历史数据以时间点t'为界分为两个部分，t'之前的数据作为训 练集，之后的数据作为测试集； (B2)计算测试集中各商品的成交数量，并按从大到小顺序排序； (B3)初始化 a = ε，τ = 〇 ; (Β4)计算训练集中各次访问权重。设访问i的访问时间为tip则这次访问的权重值 (B5)计算训练集中各次成交的权重。设成交i的成交时间为t2i，则这次成交的权重 值为; (B6)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 = Σ i e，1才Σ i e Bw2i; (B7)将各个商品根据热销总权重从大到小排序，将排序结果与步骤（2)中的排序结果 进行比较，计算Kendall's tau值，记作τ'; (Β8)比较τ与τ '，如果τ ' > τ，则设置τ = τ '，a = aX Δ，回到第⑷步；如 果τ '〈 τ，则a/Λ即为得到的预测参数； 逻辑控制模块：控制数据获取接口模块读取各商品的历史访问、成交数据；控制预测 模块计算各商品的热销指数；控制排名输出模块输出预测结果；控制参数智能设置模块自 动设置参数。
【文档编号】G06Q30/02GK104517224SQ201410800573
【公开日】2015年4月15日 申请日期:2014年12月22日 优先权日:2014年12月22日
【发明者】周艳波 申请人:浙江工业大学