一種應(yīng)用于電子商務(wù)的商品銷量預(yù)測算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電子商務(wù)技術(shù)領(lǐng)域，特別地涉及一種應(yīng)用于電子商務(wù)基于社會影響力 發(fā)現(xiàn)的商品銷量預(yù)測算法。
【背景技術(shù)】
[0002] 隨著電子商務(wù)的發(fā)展，商品的交易形式發(fā)生了翻天覆地的變化。在這種新型的虛 擬交易平臺上，消費者快速而又廣泛地瀏覽、購買、評價各種價廉物美的商品，而商品也同 樣地進行著產(chǎn)品創(chuàng)新、營銷拓展、物流改善。所以，消費者和商品之間早已不是簡單的一對 一直接買賣關(guān)系，而是消費者和消費者之間的社交網(wǎng)絡(luò)，消費者和商品之間的交易網(wǎng)絡(luò)構(gòu) 成了電子商務(wù)中最重要的物質(zhì)載體。
[0003] 于是，對于商品銷量預(yù)測這一傳統(tǒng)經(jīng)濟問題，在電子商務(wù)的大環(huán)境下，有了新型的 研究意義。為了能有效和深入地研究在電子商務(wù)環(huán)境下的商品銷量發(fā)展模式，大量的研究 者們對基于消費者分析的商品銷量建模這一問題進行了大量的工作。"消費者分析"是指 在電子商務(wù)中，研究者充分利用消費者交易行為產(chǎn)生的大數(shù)據(jù)，對消費者進行一系列的詳 盡數(shù)據(jù)描述，比如涉及了消費者購買力分析，消費者購買偏好分析，消費者購物時間分析等 等。
[0004] 傳統(tǒng)的電子商務(wù)商品銷量預(yù)測算法，大多注重于收集消費者的個人數(shù)據(jù)，而忽視 了更廣泛存在的由消費者自身發(fā)展形成的消費者社會影響力。因此，發(fā)展一種新型的契合 目前復(fù)雜電子商務(wù)環(huán)境的商品銷量預(yù)測模型迫在眉睫。目前發(fā)展的涉及消費者社會影響力 的預(yù)測模型存在以下問題：（1)目前的商品銷量預(yù)測模型，假設(shè)消費者之間的關(guān)系只有唯 一的一種類型，而實際中，消費者之間的關(guān)系是多樣化的（2)目前的商品銷量預(yù)測模型，直 接將商品銷量作為預(yù)測的目標，忽略了商品銷量的變化是受多種因素影響的，其內(nèi)在的組 成成分可以是多樣化的。

【發(fā)明內(nèi)容】

[0005] 為解決上述問題，本發(fā)明的目的在于提供一種應(yīng)用于電子商務(wù)的商品銷量預(yù)測算 法，該算法注重于從消費者社會影響力分析入手，更好的適應(yīng)真實電子商務(wù)環(huán)境中的銷量 預(yù)測需求。
[0006] 為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案為：
[0007] -種應(yīng)用于電子商務(wù)的商品銷量預(yù)測算法，包括以下步驟：
[0008] 步驟1，給出所需要的原始交易數(shù)據(jù)，具體包括以下子步驟，
[0009] 步驟11，設(shè)立交易環(huán)境中的消費者集合為，消費者總數(shù)為M，其中表示的是第i個 消費者，；設(shè)立交易環(huán)境中的商品集合為，商品總數(shù)為N，其中表示的是第η個商品；設(shè)立交 易環(huán)境中的交易日期集合為，其中Τ表示交易日的總數(shù)，t表示第t個交易日；
[0010] 步驟12,設(shè)立商品的銷量為，其中表示的是商品在第t天的銷量；并設(shè)立在交易環(huán) 境中與商品相似的商品的集合為；
[0011] 步驟13,設(shè)立消費者和商品之間的交易關(guān)系，具體為如果消費者購買了商品，那么 其購買商品的日期定義為；
[0012] 步驟2,建立在交易環(huán)境中的兩種社會影響力，即"同一商品中消費者互相作用產(chǎn) 生的影響力"和"不同商品之間消費者互相作用產(chǎn)生的影響力"，具體包括，
[0013] 步驟21，在交易環(huán)境中，設(shè)立商品在第t天的"同一商品中消費者互相作用產(chǎn)生的 影響力"為，其由一個長度為的向量所表示，即該向量長度為消費者總數(shù)的平方；具體而言， 對于消費者和消費者，如果滿足以下兩點（1)他們都在第天至第t天這段時間內(nèi)購買了商 品，（2)消費者的購買商品時間早于消費者的購買商品時間，并且這兩個時間之間的間隔 日期小于天，其中和為預(yù)先設(shè)定的數(shù)值，那么定義中的第個元素為1，反之則定義為〇 ;相應(yīng) 的，中的第個元素的數(shù)學(xué)表示為
[0014]
[0015] 步驟22,在交易環(huán)境中，設(shè)立商品在第t天的"不同商品之間消費者互相作用產(chǎn)生 的影響力"為，其由一個長度為的向量所表示，即該向量長度為消費者總數(shù)的平方；具體而 言，對于消費者和消費者，如果滿足以下兩點（1)消費者在第天至第t天這段時間內(nèi)購買了 商品，消費者在第天至第t天這段時間內(nèi)購買了商品，其中商品為商品的相似商品，S卩，（2) 消費者的購買商品時間早于消費者的購買商品時間，并且這兩個時間之間的間隔日期小于 天，其中和為預(yù)先設(shè)定的數(shù)值，那么定義中的第個元素為1，反之則定義為〇 ;相應(yīng)的，中的 第個元素的數(shù)學(xué)表示為
[0016]
[0017] 步驟3,建立商品銷量的預(yù)測模型，具體包括，
[0018] 步驟31，將商品的銷量分為兩個部分，即銷量的主體部分和銷量的噪聲部分；具 體而言，設(shè)定商品在第t天的銷量的主體部分為，設(shè)定商品在第t天的銷量的噪聲部分為， 并且滿足以下關(guān)系，
[0019] 步驟32,構(gòu)建預(yù)測模型的目標函數(shù)；首先，由于商品的多樣性，設(shè)定將商品分成K 個商品類；具體為，商品屬于第k個商品類的概率為，并且滿足以下條件；
[0020] 其次，通過"同一商品中消費者互相作用產(chǎn)生的影響力"去預(yù)測商品銷量的主體部 分；具體為建立預(yù)測商品銷量的主體部分的目標函數(shù)，該函數(shù)如下所示，
[0021]
[0022] 該目標函數(shù)的第一項是一種混合線性回歸函數(shù)，其中代表的是第k個商品類中針 對銷量主體部分的回歸向量，在上式函數(shù)中一共有K個回歸向量，?為向量轉(zhuǎn)置符號，第二 項是約束項，它要求商品銷量的主體部分在時間上應(yīng)該保持平滑性，其中是調(diào)節(jié)第一項和 第二項之間權(quán)重大小的參數(shù)；
[0023] 然后，通過"不同商品之間消費者互相作用產(chǎn)生的影響力"去預(yù)測商品銷量的噪聲 部分；具體為建立預(yù)測商品銷量的噪聲部分的目標函數(shù)，該函數(shù)如下所示，
[0024]
[0025] 該目標函數(shù)的第一項同樣也是一種混合線性回歸函數(shù)，其中代表的是第k個商品 類中針對銷量噪聲部分的回歸向量，在上式函數(shù)中一共有K個回歸向量，?為向量轉(zhuǎn)置符號， 第二項是約束項，它要求商品銷量的噪聲部分是稀疏的，即只有受到較強的外界噪聲干擾 時，噪聲部分有數(shù)值，在其他大部分情況下，噪聲部分數(shù)值為〇,其中是調(diào)節(jié)第一項和第二項 之間權(quán)重大小的參數(shù)；
[0026] 最后，將上述的兩個銷量預(yù)測整合到一個統(tǒng)一的預(yù)測模型中并優(yōu)化求解；最終的 商品銷量預(yù)測模型的目標函數(shù)為，
[0027]
[0028]
[0029] 在該目標函數(shù)中，已知變量為商品銷量和兩種兩種社會影響力；所求的未知變量 為商品銷量的主體部分和噪聲部分，商品從屬于商品類的概率回歸向量
[0030] 本發(fā)明的商品銷量預(yù)測算法，相比于目前的商品銷量預(yù)測算法，具有以下有益效 果：
[0031] 首先，本發(fā)明提出的算法不僅考慮到消費者自身的特征，同時還考慮到存在在消 費者之間的社會影響力，考慮到在真實的電子商務(wù)中，消費者之間傳遞商品的價格信息或 評價信息十分便捷，因而本發(fā)明提出的算法很好的切合了實際的應(yīng)用環(huán)境。
[0032] 其次，本發(fā)明提出的算法定義了交易環(huán)境中的兩種社會影響力，即"同一商品中消 費者互相作用產(chǎn)生的影響力"和"不同商品之間消費者互相作用產(chǎn)生的影響力"，分別考慮 到了單一商品的交易環(huán)境和多個商品互相作用的交易環(huán)境中消費者行為，其中以上兩種社 會影響力都是由真實消費者社交網(wǎng)絡(luò)分析、提煉得來的，使得本發(fā)明的提出的算法更加切 合真實的交易網(wǎng)絡(luò)的內(nèi)在結(jié)構(gòu)。
[0033] 再次，本發(fā)明提出的算法將商品銷量分為主體部分和噪聲部分，很好的模擬了真 實交易環(huán)境中，商品銷量的構(gòu)成是受多成分影響的。并且在預(yù)測模型中，對主體部分和噪聲 部分分別設(shè)置了不同的約束條件，具體為要求商品銷量的主體部分在時間上應(yīng)該保持平滑 性，并要求商品銷量的噪聲部分在稀疏的，以上兩個約束很好的反映了真實的交易環(huán)境中 商品銷量的變化形式。
【附圖說明】
[0034] 圖1為本發(fā)明實施例的應(yīng)用于電子商務(wù)的商品銷量預(yù)測的流程示意圖；
【具體實施方式】
[0035] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對 本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0036] 相反，本發(fā)明涵蓋任何由權(quán)利要求定義的在本發(fā)明的精髓和范圍上做的替代、修 改、等效方法以及方案。進一步，為了使公眾對本發(fā)明有更好的了解，在下文對本發(fā)明的細 節(jié)描述中，詳盡描述了一些特定的細節(jié)部分。對本領(lǐng)域技術(shù)人員來說沒有這些細節(jié)部分的 描述也可以完全理解本發(fā)明。
[0037] 參考圖1，所示為本發(fā)明實施例的應(yīng)用于電子商務(wù)的商品銷量預(yù)測算法的流程圖， 包括以下步驟：
[0038] 步驟S1，給出所需要的原始交易數(shù)據(jù)，具體包括以下子步驟，
[0039] 步驟S11，設(shè)立交易環(huán)境中的消費者集合為，消費者總數(shù)為M，其中表示的是第i個 消費者，；設(shè)立交易環(huán)境中的商品集合為，商品總數(shù)為N，其中表示的是第η個商品；設(shè)立交 易環(huán)境中的交易日期集合為，其中Τ表示交易日的總數(shù)，t表示第t個交易日；
[0040] 步驟S12,設(shè)立商品的銷量為，其中表示商品在第t天的銷量；并設(shè)立在交易環(huán)境 中與商品相似的商品的集合為；
[0041] 步驟S13,設(shè)立消費者和商品之間的交易關(guān)系，具體為如果消費者購買了商品，那 么其購買商品的日期定義為；
[0042] 步驟S2,建立在交易環(huán)境中的兩種社會影響力，S卩"同一商品中消費者互相作用產(chǎn) 生的影響力"和"不同商品之間消費者互相作用產(chǎn)生的影響力"，具體包括，
[0043] 步驟S21，在交易環(huán)境中，設(shè)立商品