欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

一種高性能多因素商品價值評估排序方法及系統(tǒng)與流程

文檔序號:40612192發(fā)布日期:2025-01-07 20:57閱讀:8來源:國知局
一種高性能多因素商品價值評估排序方法及系統(tǒng)與流程

本發(fā)明涉及價值評估,具體為一種高性能多因素商品價值評估排序方法及系統(tǒng)。


背景技術:

1、在現(xiàn)代零售業(yè)中,商品展示和推廣對于吸引顧客至關重要。隨著電商平臺的迅猛發(fā)展,消費者在選擇商品時不僅依賴于商品的銷量和用戶評價,還希望能快速找到適合自己需求的商品。這對商品排序算法提出了更高的要求。傳統(tǒng)的商品排序算法通常基于單一或少數(shù)幾個指標,如銷量、用戶評價、點擊率等,這些系統(tǒng)雖然能夠提供基本的商品推薦功能,但在面對多維度數(shù)據(jù)時,往往顯得力不從心。


技術實現(xiàn)思路

1、鑒于上述存在的問題,提出了本發(fā)明。

2、因此,本發(fā)明解決的技術問題是:現(xiàn)有的商品價值評估排序方法依賴于單一指標等問題。

3、為解決上述技術問題,本發(fā)明提供如下技術方案:一種高性能多因素商品價值評估排序方法,包括:

4、獲取商品流通時記錄的交易數(shù)據(jù);

5、對商品進行分類,得到一級分類后,進行再分類,得到二級分類;

6、分別對所述一級分類和所述二級分類中的每個類別進行單線程的處理;構建一級分類下的多線程計算和二級分類下的多線程計算,同時根據(jù)多線程中每個線程的運算量,對多線程的計算進行分批,各線程按照批次分別進行計算;

7、各個線程處理完各自的批次后,將結果匯總到中央處理器,進行最終的數(shù)據(jù)融合,對商品價值進行綜合評估;

8、根據(jù)所述綜合評估的結果,生成商品的價值排序,并根據(jù)所述一級分類下的多線程計算和所述二級分類下的多線程計算,生成商品的價值子排序。

9、作為本發(fā)明所述的高性能多因素商品價值評估排序方法的一種優(yōu)選方案,其中:所述商品流通時記錄的交易數(shù)據(jù)包括,通過輸入商品的品類,對輸入的所有品類在歷史記錄中的交易時間、金額進行記錄;

10、分別統(tǒng)計近三十天和近一年的交易時間和金額,分別生成近三十天和近一年中,每個一級分類下的交易次數(shù)和每次交易的金額;同時分別生成近三十天和近一年中,每個二級分類下的交易次數(shù)和每次交易的金額;

11、通過選擇地區(qū),僅對所選地區(qū)商品的交易數(shù)據(jù)進行價值評估,生成所選地區(qū)的商品價值評估排序。

12、作為本發(fā)明所述的高性能多因素商品價值評估排序方法的一種優(yōu)選方案,其中:所述一級分類包括,對商品按照商品品類進行劃分得到的分類結果;

13、所述二級分類包括,對每個一級分類中的商品,按照商品的型號進行劃分得到的分類結果;

14、根據(jù)所述一級分類的分類結果,對每個商品品類的價值評估,作為獨立的線程進行核算,定義為一級線程;

15、根據(jù)所述二級分類的分類結果,對同一品類商品不同型號的價值評估,作為獨立的線程進行核算,定義為二級線程。

16、作為本發(fā)明所述的高性能多因素商品價值評估排序方法的一種優(yōu)選方案,其中:所述構建一級分類下的多線程計算和二級分類下的多線程計算包括,對于所述一級線程和所述二級線程中的每一個線程,根據(jù)所述交易數(shù)據(jù)生成多因素的特征指標;

17、計算近30天毛利貢獻度得分:

18、

19、其中,mlf表示當前商品品類在近30天毛利貢獻度得分,在總分100的分值中,占比25%;xl30表示當前商品品類在近30天的銷量;sj0表示當前商品品類在當前的平均售價;cb0表示當前商品品類在當前的平均成本;max(...)表示選擇輸入內(nèi)容的最大值;i表示當前品類的歷史交易記錄中的第i天,i∈(31,i),i表示最大記錄天數(shù)減30;xli表示當前品類的歷史交易記錄中,第i天之前30天的銷量;sji表示當前品類的歷史交易記錄中,第i天之前30天的平均售價;cbi表示當前品類的歷史交易記錄中,第i天之前30天的平均成本;

20、計算近30天銷量得分:

21、

22、計算年累計銷量得分:

23、

24、其中,xl365表示當前商品品類近365天的累計銷量;xl365,u表示當前商品品類的歷史交易記錄中,第u天之前365天的累計銷量,u∈(366,u),u表示最大記錄天數(shù)減365;

25、計算當前折扣力度得分:

26、

27、其中,yj表示當前商品品類的平均原價;

28、計算近三十天商品標簽與促銷政策得分,對于每個一級線程,統(tǒng)計不同型號商品的得分情況:

29、

30、其中,j表示同一品類商品不同型號的索引;j表示型號數(shù)量;cxj表示第j個型號的積分,若存在促銷,則記錄為1,否則記錄為0;

31、對于每個二級線程,若計算的型號存在促銷,則記錄所述近三十天商品標簽與促銷政策得分為35;若計算的型號不存在促銷,則記錄所述近三十天商品標簽與促銷政策得分為0。

32、作為本發(fā)明所述的高性能多因素商品價值評估排序方法的一種優(yōu)選方案,其中:所述對多線程的計算進行分批包括,優(yōu)先對所述一級線程進行計算,完成所述一級線程的計算后,對所述二級線程進行計算;

33、在計算前,根據(jù)每個線程在歷史計算過程中產(chǎn)生的運算量,以及計算機的最大運算量,劃分批次;

34、分批時,優(yōu)先完成對所述一級線程的分批,完成后對所述二級線程進行分批;

35、計算時,在每個級別的線程中,按照分批結果生成的順序依次進行計算;

36、設:一共有a個線程的計算,ysla為第a次選擇的線程在歷史計算過程中產(chǎn)生的運算量數(shù)據(jù)的眾數(shù),maxysl表示計算機的最大運算量;

37、批次的劃分約束表示為:

38、

39、其中,a表示在本次的劃分過程中,選擇的第a次線程,且在同一級別的線程中,選擇是隨機的;n表示批次中的線程數(shù)量。

40、作為本發(fā)明所述的高性能多因素商品價值評估排序方法的一種優(yōu)選方案,其中:所述對商品價值進行綜合評估包括,對于所述一級線程,通過神經(jīng)網(wǎng)絡,分析xlf和nxlf,判斷商品是否存在季節(jié)性因素,若存在季節(jié)性因素,則將更大的注意力放到nxlf上;分析zkf、cxf、xlf和nxlf,判斷商品是否存在溢價過高,若存在溢價過高,則調減mlf的注意力并增大zkf和cxf的注意力;

41、所述神經(jīng)網(wǎng)絡包括,第一神經(jīng)網(wǎng)絡和第二神經(jīng)網(wǎng)絡;

42、所述第一神經(jīng)網(wǎng)絡包括,輸入層:輸入特征向量[xlf,nxlf];

43、隱藏層:2個隱藏層,每層64個神經(jīng)元,使用relu激活函數(shù);

44、輸出層:輸出用于調整季節(jié)性因素的權重因子α;

45、α=fmlp(xlf,nxlf)

46、其中,fmlp表示多層感知器的神經(jīng)網(wǎng)絡模型;若通過神經(jīng)網(wǎng)絡分析商品受季節(jié)因素干擾,則根據(jù)隨季節(jié)因素的干擾強度,生成大于1的權重因子α;若通過神經(jīng)網(wǎng)絡分析商品不受季節(jié)因素干擾,則生成等于1的權重因子α;

47、所述第二神經(jīng)網(wǎng)絡包括,輸入層:輸入特征向量[xlf,nxlf,zkf,cxf];

48、隱藏層:2個隱藏層,每層64個神經(jīng)元,使用relu激活函數(shù);

49、輸出層:三個輸出節(jié)點β、γ和δ,用于調整溢價因素的權重因子;

50、[β,γ,δ]=fmlp(xlf,nxlf,zkf,cxf)

51、若通過神經(jīng)網(wǎng)絡分析商品存在溢價過高,則根據(jù)溢價干擾的強度,生成大于1的權重因子β和γ,以及小于1的權重因子δ;若通過神經(jīng)網(wǎng)絡分析商品不受溢價干擾,則生成β=γ=δ=1;

52、對于所述二級線程,不存在季節(jié)性因素的干擾,直接生成權重因子α=1;通過所述第二神經(jīng)網(wǎng)絡,輸出節(jié)點β、γ和δ,用于調整溢價因素的權重因子;

53、每個線程的最終得分:

54、zzt=mlf×δ+xlf+nxlf×α+zkf×β+cxf×γ

55、其中,zzt表示線程t計算的商品價值綜合評估結果。

56、作為本發(fā)明所述的高性能多因素商品價值評估排序方法的一種優(yōu)選方案,其中:所述商品的價值排序包括,在不對地區(qū)進行限制的情況下,將每個線程的最終得分,按照大小順序依次排列,并將排列順序作為商品品類的價值排序;

57、在對地區(qū)進行限制的情況下,對于同一商品品類或型號q,設在限制的地區(qū)中,計算線程的最終得分為zzq;在不限制地區(qū)時,計算線程的最終得分為zzq0;

58、調整地區(qū)限制下的最終得分:

59、

60、利用調整后的最終得分,按照大小順序依次排列,并將排列順序作為商品品類的價值排序;

61、所述排列順序中,若出現(xiàn)得分相同的線程,則將得分相同的線程并列為同一排序位置,下一個線程的排序位置為前面所有線程的數(shù)量加一;

62、所述商品的價值子排序包括,優(yōu)先輸出所述一級分類的價值排序,通過對品類的選擇,能夠下拉生成一級分類下的二級分類的價值排序。

63、一種采用如本發(fā)明所述方法的高性能多因素商品價值評估排序系統(tǒng),其中:

64、采集單元,獲取商品流通時記錄的交易數(shù)據(jù);

65、分類單元,對商品進行分類,得到一級分類后,進行再分類,得到二級分類;

66、計算單元,分別對所述一級分類和所述二級分類中的每個類別進行單線程的處理;構建一級分類下的多線程計算和二級分類下的多線程計算,同時根據(jù)多線程中每個線程的運算量,對多線程的計算進行分批,各線程按照批次分別進行計算;

67、綜合評估單元,各個線程處理完各自的批次后,將結果匯總到中央處理器,進行最終的數(shù)據(jù)融合,對商品價值進行綜合評估;

68、排序生成單元,根據(jù)所述綜合評估的結果,生成商品的價值排序,并根據(jù)所述一級分類下的多線程計算和所述二級分類下的多線程計算,生成商品的價值子排序。

69、一種計算機設備,包括:存儲器和處理器;所述存儲器存儲有計算機程序,其中:所述處理器執(zhí)行所述計算機程序時實現(xiàn)本發(fā)明中任一項所述的方法的步驟。

70、一種計算機可讀存儲介質,其上存儲有計算機程序,其中:所述計算機程序被處理器執(zhí)行時實現(xiàn)本發(fā)明中任一項所述的方法的步驟。

71、本發(fā)明的有益效果:本發(fā)明提供的高性能多因素商品價值評估排序方法,大幅提高了大規(guī)模商品數(shù)據(jù)的處理速度,克服了傳統(tǒng)單線程處理的性能瓶頸。通過引入綜合評分模型,結合銷量、毛利貢獻、促銷活動等多維度因素,實現(xiàn)了更加全面、準確的商品排序。此外,采用動態(tài)權重調整機制,能夠根據(jù)市場變化靈活優(yōu)化排序結果,確保排名的時效性與合理性。個性化排序功能支持按地域特征定制排序,有助于制定精準的營銷策略。整體方案提高了系統(tǒng)的響應速度和穩(wěn)定性,增強了用戶體驗。

當前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
宜昌市| 福泉市| 宜城市| 阿合奇县| 黎川县| 宣城市| 万盛区| 特克斯县| 托里县| 新龙县| 井研县| 西乌| 镇远县| 德昌县| 密山市| 蒲江县| 洞口县| 铁岭县| 新丰县| 凤冈县| 泾源县| 青海省| 湛江市| 松阳县| 宿松县| 金塔县| 罗城| 新化县| 湘乡市| 青岛市| 高阳县| 拉萨市| 西青区| 乌海市| 平安县| 高台县| 青神县| 临江市| 元朗区| 铅山县| 宁陕县|