一种通过大数据搜寻分析预测产品价格变化趋势的方法
【技术领域】
[0001]本发明公开一种通过大数据搜寻分析预测产品价格变化趋势的方法，属于计算机数据处理领域。
【背景技术】
[0002]大数据或称巨量数据、海量数据、大数据，指的是所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息，而数据挖掘就是大数据整理的一种手段。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等诸多方法来实现上述目标。随着科技发展，大数据的应用层出不穷，本发明提供一种通过大数据搜寻分析预测产品价格变化趋势的方法，提取出产品交易关键词搜索频率与产品价格变化趋势之间的对应关系，对未来产品价格变化进行统计性预测的及建模，实现通过大数据搜寻分析预测产品价格变化趋势，对于网络以及数据运营企业，可以极大的节省成本，在恶劣的市场竞争中领先对手。
【发明内容】
[0003]本发明提供一种通过大数据搜寻分析预测产品价格变化趋势的方法，实现通过大数据搜寻分析预测产品价格变化趋势，对于网络以及数据运营企业，可以极大的节省成本，在恶劣的市场竞争中领先对手。
[0004]本发明提出的具体方案是:
一种通过大数据搜寻分析预测产品价格变化趋势的方法:对搜索引擎历史上有关需要预测的产品的交易关键词搜索频率的变化与该产品价格变化规律进行数学建模，提取出产品交易关键词搜索频率与产品价格变化趋势之间的对应关系，对未来产品价格变化进行统计性预测；
具体过程为:
采集产品价格及产品价格相关语义词条搜索频率历史走势信息，进一步确定产品价格相关扩展语义词条；
对产品价格相关扩展语义词条的搜索频率的历史走势数据和产品价格历史走势数据进行收集整理；
对产品价格相关扩展语义词条的搜索频率的历史走势和产品价格历史走势的内在关系通过建模方法进行提取；
对已经建立好的预测模型输入历史数据进行可靠性验证，并调整相关参数与算法，使其达到预测能力；
利用输入近期的产品价格相关语义词条搜索频率，对未来产品价格走势进行预测。
[0005]根据产品价格相关扩展语义词条对产品价格的影响以及其本身的稳定性，确定哪些词条列入建模的范围。
[0006]对产品价格相关扩展语义词条的搜索频率的历史走势和产品价格历史走势的内在关系建立基于各词条搜索频率与词条相关性乘积的简单加权的线性预测模型。
[0007]利用Matlab、SAS、SPSS工具对对产品价格相关扩展语义词条的搜索频率的历史走势和产品价格历史走势的内在关系进行数据分析，以便建立预测模型。
[0008]所述对已经建立好的模型输入历史数据进行可靠性验证，调用递归算法，对相关系数进行遍历尝试，比较各次尝试中预测模型的预测正确概率，从中找到最优的相关系数矩阵，固化预测模型。
[0009]本发明的有益之处是:
本发明对搜索引擎历史上有关需要预测的产品的交易关键词搜索频率的变化与该产品价格变化规律进行数学建模，提取出产品交易关键词搜索频率与产品价格变化趋势之间的对应关系，对未来产品价格变化进行统计性预测；实现通过大数据搜寻分析预测产品价格变化趋势，对于网络以及数据运营企业，可以极大的节省成本，在恶劣的市场竞争中领先对手。
【具体实施方式】
[0010]一种通过大数据搜寻分析预测产品价格变化趋势的方法:对搜索引擎历史上有关需要预测的产品的交易关键词搜索频率的变化与该产品价格变化规律进行数学建模，提取出产品交易关键词搜索频率与产品价格变化趋势之间的对应关系，对未来产品价格变化进行统计性预测；
具体过程为:
采集产品价格及产品价格相关语义词条搜索频率历史走势信息，进一步确定产品价格相关扩展语义词条；
对产品价格相关扩展语义词条的搜索频率的历史走势数据和产品价格历史走势数据进行收集整理；
对产品价格相关扩展语义词条的搜索频率的历史走势和产品价格历史走势的内在关系通过建模方法进行提取；
对已经建立好的预测模型输入历史数据进行可靠性验证，并调整相关参数与算法，使其达到预测能力；
利用输入近期的产品价格相关语义词条搜索频率，对未来产品价格走势进行预测。
[0011]上述方法中，具体过程实施中:
采集产品价格及产品价格相关语义词条搜索频率历史走势信息，进一步确定产品价格相关扩展语义词条;产品价格历史走势信息可以通过多种渠道获得，可以通过专门的商业资讯公司，购买相关具体数据，也可以使用互联网搜索到的免费数据，产品价格相关语义词条搜索频率的历史走势可以通过几个主流搜索引擎提供的服务获得，https://WWW.google.com/trends 就提供此类服务；
而与产品价格语义相关的词条非常庞杂，凡是能影响产品价格的词条，都应纳入其中，鉴于每个词条对产品价格影响力不同，只需选择其中影响力较大的进行分析；
对产品价格相关扩展语义词条的搜索频率的历史走势数据和产品价格历史走势数据进行收集整理;可以使用脚本语言从网站获取相关数据，并存入本地数据库进行整理，若无相关权限，亦可购买相关数据；
对产品价格相关扩展语义词条的搜索频率的历史走势和产品价格历史走势的内在关系通过建模方法进行提取；
可以根据产品价格相关扩展语义词条对产品价格的影响以及其本身的稳定性，确定哪些词条列入建模的范围；在建立预测模型前，利用Matlab、SAS、SPSS工具对产品价格相关扩展语义词条的搜索频率的历史走势和产品价格历史走势的内在关系进行数据分析，以便建立预测模型；
当然对产品价格相关扩展语义词条的搜索频率的历史走势和产品价格历史走势的内在关系建立基于各词条搜索频率与词条相关性乘积的简单加权的线性预测模型是最为简单的模型结构，也可根据实际情况建立其他模型结构，以便完善模型结构；
对已经建立好的预测模型输入历史数据进行可靠性验证，调用递归算法，对相关系数进行遍历尝试，比较各次尝试中预测模型的预测正确概率，从中找到最优的相关系数矩阵，并调整相关参数与算法，使其达到预测能力，固化预测模型；
利用输入近期的产品价格相关语义词条搜索频率，对未来产品价格走势进行预测。
[0012]利用本发明上述方法实现通过大数据搜寻分析预测产品价格变化趋势，对于网络以及数据运营企业，可以极大的节省成本，在恶劣的市场竞争中领先对手。
【主权项】
1.一种通过大数据搜寻分析预测产品价格变化趋势的方法，其特征是:对搜索引擎历史上有关需要预测的产品的交易关键词搜索频率的变化与该产品价格变化规律进行数学建模，提取出产品交易关键词搜索频率与产品价格变化趋势之间的对应关系，对未来产品价格变化进行统计性预测； 具体过程为: 采集产品价格及产品价格相关语义词条搜索频率历史走势信息，进一步确定产品价格相关扩展语义词条； 对产品价格相关扩展语义词条的搜索频率的历史走势数据和产品价格历史走势数据进行收集整理； 对产品价格相关扩展语义词条的搜索频率的历史走势和产品价格历史走势的内在关系通过建模方法进行提取； 对已经建立好的预测模型输入历史数据进行可靠性验证，并调整相关参数与算法，使其达到预测能力； 利用输入近期的产品价格相关语义词条搜索频率，对未来产品价格走势进行预测。2.根据权利要求1所述的方法，其特征是根据产品价格相关扩展语义词条对产品价格的影响以及其本身的稳定性，确定哪些词条列入建模的范围。3.根据权利要求1或2所述的方法，其特征是对产品价格相关扩展语义词条的搜索频率的历史走势和产品价格历史走势的内在关系建立基于各词条搜索频率与词条相关性乘积的简单加权的线性预测模型。4.根据权利要求3所述的方法，其特征是利用Matlab、SAS、SPSS工具对对产品价格相关扩展语义词条的搜索频率的历史走势和产品价格历史走势的内在关系进行数据分析，以便建立预测模型。5.根据权利要求1或4所述的方法，其特征是所述对已经建立好的模型输入历史数据进行可靠性验证，调用递归算法，对相关系数进行遍历尝试，比较各次尝试中预测模型的预测正确概率，从中找到最优的相关系数矩阵，固化预测模型。
【专利摘要】本发明公开一种通过大数据搜寻分析预测产品价格变化趋势的方法，属于计算机数据处理领域；本发明提取出产品交易关键词搜索频率与产品价格变化趋势之间的对应关系，对未来产品价格变化进行统计性预测的及建模，实现通过大数据搜寻分析预测产品价格变化趋势，对于网络以及数据运营企业，可以极大的节省成本，在恶劣的市场竞争中领先对手。
【IPC分类】G06F17/30, G06Q30/02
【公开号】CN105678576
【申请号】CN201610002572
【发明人】耿介, 姜凯, 于治楼
【申请人】浪潮集团有限公司
【公开日】2016年6月15日
【申请日】2016年1月6日