用于預(yù)測(cè)訂單量的方法和設(shè)備的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及電子商務(wù)領(lǐng)域，具體設(shè)及用于預(yù)測(cè)訂單量的方法和設(shè)備。
【背景技術(shù)】
[0002] 訂單量預(yù)測(cè)是電子商務(wù)的一個(gè)重要組成部分。不同的區(qū)域具有不同的購(gòu)買力，并 因此可能產(chǎn)生不同的訂單量。如果不根據(jù)訂單量的區(qū)域性預(yù)測(cè)來進(jìn)行配送，會(huì)造成物流網(wǎng) 絡(luò)的效率低下。例如在訂單較少的區(qū)域布置了更多的物流資源，而在訂單較多的區(qū)域布置 的物流資源不夠等。此外，準(zhǔn)確的訂單量預(yù)測(cè)也會(huì)對(duì)電子商務(wù)所使用的計(jì)算機(jī)資源造成有 利影響。例如，在預(yù)測(cè)訂單量將會(huì)有較大增長(zhǎng)的區(qū)域，可增加該區(qū)域接入訂單服務(wù)器(或其 他類似服務(wù)器)的帶寬或?yàn)樵搮^(qū)域布置服務(wù)器等W避免對(duì)網(wǎng)絡(luò)的沖擊，而對(duì)于預(yù)測(cè)訂單量 將會(huì)有較大下降的區(qū)域，可減少該區(qū)域接入服務(wù)器的帶寬W節(jié)約成本等。
[0003] 現(xiàn)有的技術(shù)方案采用多元回歸分析進(jìn)行預(yù)測(cè)。該方案首先通過與業(yè)務(wù)人員的溝通 和市場(chǎng)調(diào)查，選取影響訂單量的因素，影響因素作為自變量，訂單量作為因變量，同時(shí)獲取 相應(yīng)的數(shù)據(jù)值。然后確定回歸分析預(yù)測(cè)模型。最后基于該模型計(jì)算預(yù)測(cè)誤差，確定預(yù)測(cè)值。
[0004] 在現(xiàn)有技術(shù)中，影響因素的多重共線性會(huì)導(dǎo)致回歸系數(shù)的估計(jì)量的方差變大，干 擾影響因子對(duì)因變量影響程度的判斷，并使訂單量的預(yù)測(cè)具有不確定性。從而可能導(dǎo)致資 源利用率低。

【發(fā)明內(nèi)容】

[0005] 為解決上述問題中的至少一些，本發(fā)明提供了一種用于預(yù)測(cè)訂單量的方法和設(shè) 備。
[0006] 根據(jù)本發(fā)明的一個(gè)方面，一種用于預(yù)測(cè)訂單量的方法，包括:建立決策表;采用基 于數(shù)據(jù)庫(kù)系統(tǒng)的粗糖集理論處理所述決策表，獲得約簡(jiǎn)屬性集合;使用所述約簡(jiǎn)屬性集合 建立回歸分析模型；W及使用所述回歸分析模型進(jìn)行訂單量預(yù)測(cè)。
[0007] 根據(jù)本發(fā)明的第二方面，提供了一種用于預(yù)測(cè)訂單量的設(shè)備，包括:決策表建立單 元，用于建立決策表;約簡(jiǎn)屬性獲取單元，用于采用基于數(shù)據(jù)庫(kù)系統(tǒng)的粗糖集理論處理所述 決策表，獲得約簡(jiǎn)屬性集合;模型建立單元，用于使用所述約簡(jiǎn)屬性集合建立回歸分析模 型；W及訂單量預(yù)測(cè)單元，用于使用所述回歸分析模型進(jìn)行訂單量預(yù)測(cè)。
[000引上述方法和設(shè)備基于數(shù)據(jù)庫(kù)系統(tǒng)的粗糖集理論解決影響因子的多重共線問題，實(shí) 現(xiàn)訂單量的精確預(yù)測(cè)。
【附圖說明】
[0009] 通過下面結(jié)合附圖對(duì)發(fā)明進(jìn)行的詳細(xì)描述，將使本發(fā)明的上述特征和優(yōu)點(diǎn)更加明 顯，其中：
[0010] 圖1是示出根據(jù)本發(fā)明的實(shí)施例的訂單量預(yù)測(cè)方法的示意流程圖；
[0011] 圖2是示出圖1中的步驟120的一個(gè)具體實(shí)現(xiàn)的示意性流程圖；
[0012] 圖3是示出根據(jù)本發(fā)明的實(shí)施例的訂單量預(yù)測(cè)設(shè)備的示意框圖；W及
[0013] 圖4至圖6分別示出了 W某區(qū)域網(wǎng)民的人口數(shù)、商品的平均價(jià)格和廣告投放量和在 線銷售的商品種類數(shù)為自變量，訂單數(shù)為因變量繪制的圖。
【具體實(shí)施方式】
[0014] 下面，參考附圖詳細(xì)說明本發(fā)明的優(yōu)選實(shí)施方式。在附圖中，雖然示于不同的附圖 中，但相同的附圖標(biāo)記用于表示相同的或相似的組件。為了清楚和簡(jiǎn)明，包含在運(yùn)里的已知 的功能和結(jié)構(gòu)的詳細(xì)描述將被省略，W避免使本發(fā)明的主題不清楚。
[0015] 圖1示出了根據(jù)本發(fā)明的實(shí)施例的預(yù)測(cè)訂單量的方法。如圖1所示，該方法包括:步 驟110,建立決策表。
[0016] 具體地，建立決策表可包括確定多個(gè)條件屬性和一個(gè)決策屬性，并由該多個(gè)條件 屬性和一個(gè)決策屬性組成所述決策表
[0017] 在一些實(shí)施例中，可將某區(qū)域網(wǎng)民的人口數(shù)，某區(qū)域商品的平均價(jià)格，某區(qū)域商品 的瀏覽次數(shù)，某區(qū)域廣告投放量，某區(qū)域配送站點(diǎn)數(shù)，某區(qū)域在線銷售的商品種類數(shù)運(yùn)六個(gè) 影響因素確定為條件屬性，某區(qū)域的訂單量確定為決策屬性。由W上六個(gè)條件屬性和一個(gè) 決策屬性組成一張決策表。
[0018] 需要注意的是，上述決策表的組成僅是示例，在其它示例中，也可W采用更少或更 多的條件屬性。例如在一些示例中，根據(jù)實(shí)際情況或根據(jù)統(tǒng)計(jì)/實(shí)際反饋，也可W不包括上 述六個(gè)條件屬性中的一個(gè)或多個(gè)，如網(wǎng)民的人口數(shù)。或者在另一些示例中，也可W包括本領(lǐng) 域技術(shù)人員會(huì)想到的其他條件屬性，例如:某區(qū)域的消費(fèi)水平等。本發(fā)明不對(duì)其進(jìn)行限制。
[0019] 就決策表而言，某區(qū)域網(wǎng)民的人口數(shù)，某區(qū)域商品的平均價(jià)格，某區(qū)域商品的瀏覽 次數(shù)，某區(qū)域廣告投放量，某區(qū)域配送站點(diǎn)數(shù)，某區(qū)域在線銷售的商品種類運(yùn)六個(gè)條件屬性 對(duì)應(yīng)于自變量，訂單量運(yùn)個(gè)決策屬性對(duì)應(yīng)于因變量。對(duì)W上屯個(gè)條件屬性的屬性值和一個(gè) 決策屬性的屬性值的增長(zhǎng)率進(jìn)行離散化，可得到如下的屬性值離散化的決策表：
[0021] 表1示例性決策表
[0022] 需要注意的是，上述數(shù)值僅是為了說明的方便而取的值，實(shí)際應(yīng)用中的值要大得 多。因此，本發(fā)明的范圍不應(yīng)受到上述示意性數(shù)值的限制。
[0023] 接下來，在步驟120中，采用基于數(shù)據(jù)庫(kù)系統(tǒng)的粗糖集理論處理上述決策表，獲得 約簡(jiǎn)屬性集合。
[0024] 具體地，步驟120可包括多個(gè)子步驟。圖2示出了根據(jù)本發(fā)明實(shí)施例的獲得約簡(jiǎn)屬 性集合的方法的示意性流程圖。
[0025] 在圖2的步驟210中，將決策表與關(guān)系數(shù)據(jù)庫(kù)表相對(duì)應(yīng)，使得決策表中的多個(gè)條件 屬性和決策屬性對(duì)應(yīng)于關(guān)系數(shù)據(jù)庫(kù)表中的屬性，決策表中的U-對(duì)象的非空有限集合對(duì)應(yīng)于 關(guān)系數(shù)據(jù)庫(kù)表中的元組。
[0026] 在步驟220中，獲取關(guān)系數(shù)據(jù)庫(kù)表的核屬性。
[0027] 具體地，在一些實(shí)施例中，可使用投影操作和數(shù)據(jù)庫(kù)表元組匯總操作來獲取核屬 性。投影操作是對(duì)一個(gè)關(guān)系進(jìn)行垂直分割，消去某些列W組成新的關(guān)系的操作。
[002引用Cou表示數(shù)據(jù)庫(kù)表元組匯總操作化為count(*)操作)，符號(hào)0表示投影操作。在決策 表中，功條件屬性集，蝸決策屬性集。如似州:.CiECi巧也Cou(0(C-Q.i.D))!::::ou(0(C-Cj化那 么稱Cj為核屬性。屬性重要性的定義是：M(Cj，.R:巧::::C0U(0(R+句))/Cou(0(:RH-印-巧)，M (Cj，R，D)值表示Cj對(duì)條件屬性集合R與決策屬性集合D分類能力的貢獻(xiàn)度。
[0029] C為條件屬性集合。根據(jù)上述的示例性條件屬性，C包括某區(qū)域網(wǎng)民的人口數(shù)，某區(qū)域商 品的平均價(jià)格，某區(qū)域商品的瀏覽次數(shù)，某區(qū)域廣告投放量，某區(qū)域配送站點(diǎn)數(shù)，某區(qū)域在線銷售 的商品種類數(shù)。根據(jù)表1的決策表的各個(gè)屬性值，Coii悔(C-某區(qū)域商品的平均價(jià)格H-iT單量.))! Cou(0(C-某區(qū)域商品的平均價(jià)格))，由此可得到的核屬性為"某區(qū)域商品的平均價(jià)格"。
[0030] 在得到核屬性之后，步驟120轉(zhuǎn)到子步驟230, W核屬性為初始候選約簡(jiǎn)集來計(jì)算 多個(gè)條件屬性中除核屬性之外的屬性的重要性。
[0031] 例如，現(xiàn)已求出決策表中的核屬性是"某區(qū)域商品的平均價(jià)格"，W"某區(qū)域商品的 平均價(jià)格"作為初始候選約簡(jiǎn)集，命名為Sims,即Sims= {:某區(qū)域商品的平均價(jià)格}，其余的 條件屬性集合記為R= {某區(qū)域網(wǎng)民的人口數(shù)，某區(qū)域商品的瀏覽次數(shù)，某區(qū)域廣告投放量， 某區(qū)域配送站點(diǎn)數(shù)，某區(qū)域在線銷售的商品種類數(shù)}。計(jì)算R中各個(gè)屬性的重要性，根據(jù)表1 的各個(gè)屬性的屬性值，可得到：

[0037] 然后，在子步驟240中，根據(jù)重要性將多個(gè)條件屬性中除核屬性之外的一個(gè)或多個(gè) 屬性加入到初始候選約簡(jiǎn)集中，直至候選約簡(jiǎn)集的元組匯總操作的投影與所述候選約簡(jiǎn)集 與所述決策屬性的集合的元組匯總操作的投影相等，得到約簡(jiǎn)屬性集合。
[0038] 根據(jù)上述的示例，將屬性按重要性從高到低排列可得到{:某區(qū)域在線銷售的商品 種類數(shù)，某區(qū)域商品的瀏覽次數(shù)，某區(qū)域配送站點(diǎn)數(shù)，某區(qū)域網(wǎng)民的人口數(shù)，某區(qū)域廣告投 放量}。然后選擇重要性最高的屬性加入到核屬性中。在上述示例中，選"某區(qū)域在線銷售的 商品種類數(shù)"加入Sims,由此可得Sims= {:某區(qū)域商品的平均價(jià)格，某區(qū)域在線銷售的商品 種類數(shù)KR= {某區(qū)域商品的瀏覽次數(shù)，某區(qū)域配送站點(diǎn)數(shù)，某區(qū)域網(wǎng)民的人口數(shù)，某區(qū)域廣 告投放量}。W此類推，直到滿足下述條件： c〇u( 0(某以化巧品的平均化格，巧段城連線銷惶的巧品種類數(shù)，某段域廣古坡放譚.耳:段-城網(wǎng)民化人口教;n =C腳（
[0039] 0(巧b域巧品的卡巧市格.義k域在制肖民的商則巾乘效.裝L'.峭n引古扣璋，期'域NK的人口拽'.某b峭口'單孰 )
[0040] 在上述示例中，最終的到的約簡(jiǎn)屬性集合為{:某區(qū)域商品的平均價(jià)格，某區(qū)域在線 銷售的商品種類數(shù)，某區(qū)域廣告投放量，某區(qū)域網(wǎng)民的人口數(shù)}。
[0041] 現(xiàn)在回到圖1，在獲得約簡(jiǎn)屬性集合之后，方法進(jìn)行到步驟130,使用約簡(jiǎn)屬性集合 建立回歸分析模型。
[0042] 通過上一步驟的粗糖集的約簡(jiǎn)，對(duì)回歸分析的自變量進(jìn)行刪選，最終從影響訂單 量的六個(gè)因素中選出了四個(gè)因素，分別為某區(qū)域網(wǎng)民的人口數(shù)(XI)，某區(qū)域商品的平均價(jià) 格U2)，某區(qū)域廣告投放量(x3)，某區(qū)域在線銷售的商品種類數(shù)U4)。如上所述，因變量y是 訂單量。具體地，可采用某個(gè)時(shí)間段(例如2008年-2014年7年間，也可W采用不同的另一時(shí) 間段)的訂單量的數(shù)據(jù)來建立回歸分析模型。
[0043] 圖4至圖6分別示出了 W某區(qū)域網(wǎng)民的人口數(shù)、商品的平均價(jià)格和廣告投放量和在 線銷售的商品種類數(shù)為自變量，訂單數(shù)為因變量繪制的圖。
[0044] 在圖4至圖6中，分別W該時(shí)間段期間某區(qū)域網(wǎng)民的人口數(shù)XI，某區(qū)域商品的平均 價(jià)格x2和某區(qū)域廣告投放量x3為橫坐標(biāo)，訂單量y為縱坐標(biāo)繪制的二維圖來進(jìn)行線性分析。 為了不使本發(fā)明說明書冗長(zhǎng)從而掩蓋本發(fā)明的設(shè)計(jì)思想和技術(shù)方案，運(yùn)里僅給出了=種不 同自變量的情況。然而需要知道的是，也可W使用本領(lǐng)域技術(shù)人員所知的其他因素作為自 變量來分析訂單量隨該因素的變化趨勢(shì)，例如W某區(qū)域在線銷售的商品種類數(shù)為自變量來 進(jìn)行分析。
[0045] 在本發(fā)明發(fā)明人所進(jìn)行的擬合線性分析中，可看出自變量某區(qū)域網(wǎng)民的人口數(shù)， 某區(qū)域商品的平均價(jià)格，某區(qū)域廣告投放量，某區(qū)域在線銷售的商品種類數(shù)(未在圖中示 出）與因變量訂單量呈近似線性關(guān)系。
[0046] 因此，建立回歸模型為：y = a0+alxl+a2x2+a3x3+a4x4。通過運(yùn)行R程序（其是用于 統(tǒng)計(jì)分析的語言），得到回歸系數(shù)日〇，日1，日2，日3，日4的值。