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

背景技術(shù)：

1、在現(xiàn)代零售業(yè)中，商品展示和推廣對(duì)于吸引顧客至關(guān)重要。隨著電商平臺(tái)的迅猛發(fā)展，消費(fèi)者在選擇商品時(shí)不僅依賴于商品的銷量和用戶評(píng)價(jià)，還希望能快速找到適合自己需求的商品。這對(duì)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?；趩我换蛏贁?shù)幾個(gè)指標(biāo)，如銷量、用戶評(píng)價(jià)、點(diǎn)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(duì)多維度數(shù)據(jù)時(shí)，往往顯得力不從心。

技術(shù)實(shí)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(shù)問題是：現(xiàn)有的商品價(jià)值評(píng)估排序方法依賴于單一指標(biāo)等問題。

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

4、獲取商品流通時(shí)記錄的交易數(shù)據(jù)；

5、對(duì)商品進(jìn)行分類，得到一級(jí)分類后，進(jìn)行再分類，得到二級(jí)分類；

6、分別對(duì)所述一級(jí)分類和所述二級(jí)分類中的每個(gè)類別進(jìn)行單線程的處理；構(gòu)建一級(jí)分類下的多線程計(jì)算和二級(jí)分類下的多線程計(jì)算，同時(shí)根據(jù)多線程中每個(gè)線程的運(yùn)算量，對(duì)多線程的計(jì)算進(jìn)行分批，各線程按照批次分別進(jìn)行計(jì)算；

7、各個(gè)線程處理完各自的批次后，將結(jié)果匯總到中央處理器，進(jìn)行最終的數(shù)據(jù)融合，對(duì)商品價(jià)值進(jìn)行綜合評(píng)估；

8、根據(jù)所述綜合評(píng)估的結(jié)果，生成商品的價(jià)值排序，并根據(jù)所述一級(jí)分類下的多線程計(jì)算和所述二級(jí)分類下的多線程計(jì)算，生成商品的價(jià)值子排序。

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

10、分別統(tǒng)計(jì)近三十天和近一年的交易時(shí)間和金額，分別生成近三十天和近一年中，每個(gè)一級(jí)分類下的交易次數(shù)和每次交易的金額；同時(shí)分別生成近三十天和近一年中，每個(gè)二級(jí)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(duì)所選地區(qū)商品的交易數(shù)據(jù)進(jìn)行價(jià)值評(píng)估，生成所選地區(qū)的商品價(jià)值評(píng)估排序。

12、作為本發(fā)明所述的高性能多因素商品價(jià)值評(píng)估排序方法的一種優(yōu)選方案，其中：所述一級(jí)分類包括，對(duì)商品按照商品品類進(jìn)行劃分得到的分類結(jié)果；

13、所述二級(jí)分類包括，對(duì)每個(gè)一級(jí)分類中的商品，按照商品的型號(hào)進(jìn)行劃分得到的分類結(jié)果；

14、根據(jù)所述一級(jí)分類的分類結(jié)果，對(duì)每個(gè)商品品類的價(jià)值評(píng)估，作為獨(dú)立的線程進(jìn)行核算，定義為一級(jí)線程；

15、根據(jù)所述二級(jí)分類的分類結(jié)果，對(duì)同一品類商品不同型號(hào)的價(jià)值評(píng)估，作為獨(dú)立的線程進(jìn)行核算，定義為二級(jí)線程。

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

17、計(jì)算近30天毛利貢獻(xiàn)度得分：

18、

19、其中，mlf表示當(dāng)前商品品類在近30天毛利貢獻(xiàn)度得分，在總分100的分值中，占比25％；xl30表示當(dāng)前商品品類在近30天的銷量；sj0表示當(dāng)前商品品類在當(dāng)前的平均售價(jià)；cb0表示當(dāng)前商品品類在當(dāng)前的平均成本；max(...)表示選擇輸入內(nèi)容的最大值；i表示當(dāng)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(dāng)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(dāng)前品類的歷史交易記錄中，第i天之前30天的平均售價(jià)；cbi表示當(dāng)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(jì)算近30天銷量得分：

21、

22、計(jì)算年累計(jì)銷量得分：

23、

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

25、計(jì)算當(dāng)前折扣力度得分：

26、

27、其中，yj表示當(dāng)前商品品類的平均原價(jià)；

28、計(jì)算近三十天商品標(biāo)簽與促銷政策得分，對(duì)于每個(gè)一級(jí)線程，統(tǒng)計(jì)不同型號(hào)商品的得分情況：

29、

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

31、對(duì)于每個(gè)二級(jí)線程，若計(jì)算的型號(hào)存在促銷，則記錄所述近三十天商品標(biāo)簽與促銷政策得分為35；若計(jì)算的型號(hào)不存在促銷，則記錄所述近三十天商品標(biāo)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(jià)值評(píng)估排序方法的一種優(yōu)選方案，其中：所述對(duì)多線程的計(jì)算進(jìn)行分批包括，優(yōu)先對(duì)所述一級(jí)線程進(jìn)行計(jì)算，完成所述一級(jí)線程的計(jì)算后，對(duì)所述二級(jí)線程進(jìn)行計(jì)算；

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

34、分批時(shí)，優(yōu)先完成對(duì)所述一級(jí)線程的分批，完成后對(duì)所述二級(jí)線程進(jìn)行分批；

35、計(jì)算時(shí)，在每個(gè)級(jí)別的線程中，按照分批結(jié)果生成的順序依次進(jìn)行計(jì)算；

36、設(shè)：一共有a個(gè)線程的計(jì)算，ysla為第a次選擇的線程在歷史計(jì)算過程中產(chǎn)生的運(yùn)算量數(shù)據(jù)的眾數(shù)，maxysl表示計(jì)算機(jī)的最大運(yùn)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(jí)別的線程中，選擇是隨機(jī)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(jià)值評(píng)估排序方法的一種優(yōu)選方案，其中：所述對(duì)商品價(jià)值進(jìn)行綜合評(píng)估包括，對(duì)于所述一級(jí)線程，通過神經(jīng)網(wǎng)絡(luò)，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(jià)過高，若存在溢價(jià)過高，則調(diào)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(luò)包括，第一神經(jīng)網(wǎng)絡(luò)和第二神經(jīng)網(wǎng)絡(luò)；

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

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

44、輸出層：輸出用于調(diào)整季節(jié)性因素的權(quán)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(luò)模型；若通過神經(jīng)網(wǎng)絡(luò)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(qiáng)度，生成大于1的權(quán)重因子α；若通過神經(jīng)網(wǎng)絡(luò)分析商品不受季節(jié)因素干擾，則生成等于1的權(quán)重因子α；

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

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

49、輸出層：三個(gè)輸出節(jié)點(diǎn)β、γ和δ，用于調(diào)整溢價(jià)因素的權(quán)重因子；

50、[β，γ，δ]＝fmlp(xlf,nxlf,zkf,cxf)

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

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

53、每個(gè)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(jì)算的商品價(jià)值綜合評(píng)估結(jié)果。

56、作為本發(fā)明所述的高性能多因素商品價(jià)值評(píng)估排序方法的一種優(yōu)選方案，其中：所述商品的價(jià)值排序包括，在不對(duì)地區(qū)進(jìn)行限制的情況下，將每個(gè)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(jià)值排序；

57、在對(duì)地區(qū)進(jìn)行限制的情況下，對(duì)于同一商品品類或型號(hào)q，設(shè)在限制的地區(qū)中，計(jì)算線程的最終得分為zzq；在不限制地區(qū)時(shí)，計(jì)算線程的最終得分為zzq0；

58、調(diào)整地區(qū)限制下的最終得分：

59、

60、利用調(diào)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(jià)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(gè)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(jià)值子排序包括，優(yōu)先輸出所述一級(jí)分類的價(jià)值排序，通過對(duì)品類的選擇，能夠下拉生成一級(jí)分類下的二級(jí)分類的價(jià)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(jià)值評(píng)估排序系統(tǒng)，其中：

64、采集單元，獲取商品流通時(shí)記錄的交易數(shù)據(jù)；

65、分類單元，對(duì)商品進(jìn)行分類，得到一級(jí)分類后，進(jìn)行再分類，得到二級(jí)分類；

66、計(jì)算單元，分別對(duì)所述一級(jí)分類和所述二級(jí)分類中的每個(gè)類別進(jìn)行單線程的處理；構(gòu)建一級(jí)分類下的多線程計(jì)算和二級(jí)分類下的多線程計(jì)算，同時(shí)根據(jù)多線程中每個(gè)線程的運(yùn)算量，對(duì)多線程的計(jì)算進(jìn)行分批，各線程按照批次分別進(jìn)行計(jì)算；

67、綜合評(píng)估單元，各個(gè)線程處理完各自的批次后，將結(jié)果匯總到中央處理器，進(jìn)行最終的數(shù)據(jù)融合，對(duì)商品價(jià)值進(jìn)行綜合評(píng)估；

68、排序生成單元，根據(jù)所述綜合評(píng)估的結(jié)果，生成商品的價(jià)值排序，并根據(jù)所述一級(jí)分類下的多線程計(jì)算和所述二級(jí)分類下的多線程計(jì)算，生成商品的價(jià)值子排序。

69、一種計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器和處理器；所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其中：所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)本發(fā)明中任一項(xiàng)所述的方法的步驟。

70、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)本發(fā)明中任一項(xiàng)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(jià)值評(píng)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(píng)分模型，結(jié)合銷量、毛利貢獻(xiàn)、促銷活動(dòng)等多維度因素，實(shí)現(xiàn)了更加全面、準(zhǔn)確的商品排序。此外，采用動(dòng)態(tài)權(quán)重調(diào)整機(jī)制，能夠根據(jù)市場變化靈活優(yōu)化排序結(jié)果，確保排名的時(shí)效性與合理性。個(gè)性化排序功能支持按地域特征定制排序，有助于制定精準(zhǔn)的營銷策略。整體方案提高了系統(tǒng)的響應(yīng)速度和穩(wěn)定性，增強(qiáng)了用戶體驗(yàn)。