[发明专利]一种电商价格趋势预测方法及系统

权利要求书

1.一种电商价格趋势的预测方法，其特征在于：包括以下步骤：

S1.通过网络爬虫收集商品的相关历史数据；

S2.对收集到的商品相关历史数据进行进一步的整理，将不同电商的同一商品建立起对应关系；

S3.构造包含有L棵决策树的随机森林：

森林中每棵树h(x,θ_i)是一棵用CART算法生成的没有剪枝的回归分类树，x为输入向量，θ_i是独立而且同分布的随机向量，决定每一棵树的生长过程；所有的树自由生长，最终的决策结果采用多数投票法产生；

S4.当商品价格出现变化时，针对该商品的最近n次历史价格变化情况，计算其每次价格变化时的价格特征、销量特征、历史价格特征；

S5.将该商品的价格特征、销量特征、历史价格特征数据作为输入参数，将之前整理的相关历史数据中该次价格变化的行为分类判断作为输出结果，训练步骤S3中构造得到的随机森林模型；

S6.根据训练得到的随机森林，带入当前时刻的价格特征、销量特征、历史价格特征信息，得到输出即为对当前商品价格变化对应的行为分类判断；

步骤S4中所述的价格特征计算方法包括以下子步骤：

S411.对于每一个商品的每一次价格变动，生成该商品在其他电商的价格列表priceRival[price₁,price₂,...,price_n]；

S412.计算价格列表priceRival的均值和方差，作为该商品当前时间的价格特征；

步骤S4中所述的销量特征计算方法包括以下子步骤：

S421.对于每一个商品的每一次价格变动时，获取该商品的销售情况salesValume；以及在其他电商的销量情况列表为salesRival[salesValume₁,salesValume₂,...,salesValume_n]；将该销量列表进行修正其中为当前商品价格的均值；

S422.计算salesRival‘的均值和方差，作为该商品当前时间的销量特征；

步骤S4中所述的历史价格特征计算方法包括以下子步骤：

S431.对于该商品的历史价格变化，取该商品的最近n次历史价格变化情况列表priceChange[priceChange₁,priceChange₂,...,priceChange_n]；

S432.将价格变化的数据进行修正，其中为商品当时的平均价格；

S433.将修正后的priceChange‘作为商品的历史价格信息。

2.根据权利要求1所述的一种电商价格趋势的预测方法，其特征在于：步骤S3构造的随机森林中，对每棵树纪录一个历史判断准确率，理论上随着训练次数越多，单棵树越能准确的进行分类，但是此时的准确其实是一个过拟合的现象，所以，对某一棵树，如果其准确率在一段时间以内都保持在一个比森林整体分类正确性高t倍的状态，则判定该树产生了过拟合，将该树砍掉，加入一个新的树。

3.根据权利要求1所述的一种电商价格趋势的预测方法，其特征在于：所述的行为分类判断包括清仓、促销、促销准备、异常促销、调价、被动调价、异常变动。

4.根据权利要求1所述的一种电商价格趋势的预测方法，其特征在于：还包括一个策略制定步骤：根据步骤S6获得的行为分类判断，对相应商品的价格变化趋势进行预测，从而辅助制定本地策略。