[发明专利]一种基于假设检验与0‑1整数规划的商品选择方法

说明书

技术领域

本发明属于计算机数据挖掘领域，更具体地，涉及一种基于假设检验与0-1整数规划的商品选择方法。

背景技术

随着各种电子管理系统越来越多的应用到零售行业中，商家的销售记录普遍被记录了下来。通过分析商品销售历史，如何从商品的全集中，选择出一批最有价值的商品，使得这批商品在未来带来最大的销售利润，这一问题被称为商品选择问题，这一问题与零售行业的商业决策密切相关，使用科学的方法为这一问题给出准确的解决办法，能够更好的提高商家的竞争力。

针对该问题，商家最常用的思路是根据过往的交易记录中，将商品按照其销售利润从高到低排列后进行选择，如果根据交易纪录一个商品的销量高，利润高，就保留该商品，同时去除那些利润较低的商品。

由于在很多场景下，商品的销售并不是独立的，而是有一定的关联性，研究者们将这种商品销售中两两间的关联作用定义为交叉销售作用(Cross-selling effect)，现有的商品选择方法并没有考虑到这种交叉销售作用，因此会忽略一些本身销售利润不高，但交叉销售作用强的商品，导致商品选择结果不准确。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于0-1整数规划与假设检验的商品选择方法和系统。其目的在于，根据输入的历史交易数据，挖掘出最有价值的多个商品，同时生成所有商品的单品利润与交叉销售利润权重，从而解决现有商业选择方法中存在的由于没有考虑到交叉销售作用，导致商品选择结果不准确的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于假设检验与0-1整数规划的商品选择方法，包括以下步骤：

(1)从商品数据库中读取历史交易数据，并对该历史交易数据进行数据清洗，以分别得到交易数据D和利润数据，其中交易数据D包括交易ID和商品ID，利润数据包括商品ID和商品利润；

(2)利用频繁项集挖掘算法对交易数据D进行处理，以得到大于等于项集支持度阈值的频繁项集；

(3)利用假设检验的方法对步骤(2)得到的频繁项集进行过滤，以提取出多个项集构成有效项集集合；

(4)利用步骤(3)构建的有效项集集合对交易数据D进行处理，以得到商品和有效项集的交易权重；

(5)根据步骤(4)得到的商品和有效项集的交易权重、以及利润数据生成商品利润向量以及有效项集利润向量；

(6)利用0-1整数规划对步骤(5)得到的商品利润向量与有效项集利润向量进行处理，从而得到商品选择结果。

优选地，项集X支持度su(X,D)等于：

其中项集表示一个或多个商品I的集合，n(X)表示交易数据D中项集X出现的数量，n(D)表示交易数据D中的交易数量；

项集支持度阈值的取值等于其中N表示交易数据D的提取周期；

频繁项集挖掘算法是Apriori算法、FP-Growth算法或Eclat算法。

优选地，商品I的支持度su(I,D)等于：

其中n(I)表示交易数据D中的商品数量。

优选地，步骤(3)具体为，计算得到某个项集的支持度su(X,D)，然后，继续获得该项集中所有商品的支持度su(I_i,D)和su(I_j,D)、以及所有商品支持度的乘积su(I_i,D)*su(I_j,D)，其后，定义零假设：su(X,D)服从参数为n(D)*su(I_i,D)*su(I_j,D)的泊松分布，显著性水平为0至0.1之间，对su(X,D)进行右侧检验，检验的结果如果零假设不成立，则该项集是有效项集，否则该项集不是有效项集。

优选地，步骤(4)包括以下子步骤，

(4-1)获取交易数据D中商品种类的数量m(I)，对交易数据D中的所有商品编号为num(I)，并获取有效项集数量m(X)，对所有有效项集编号为num(X)，其中num(I)为1到m(I)间的自然数，num(X)为1到m(X)间的自然数；

(4-2)初始化商品交易向量VI和有效项集交易向量VX为0，商品交易向量VI的长度为m(I)，该向量中的第num(I)个值表示编号为num(I)的商品的交易权重，有效项集交易向量VX的长度为有效项集数量m(X)，该向量中的第num(X)个值表示编号为num(X)的有效项集的交易权重。

(4-3)对于交易数据D中的每一个交易T，重复以下过程：