[发明专利]一种基于商品标签贡献率的商品畅滞销评估方法

权利要求书

1.一种基于商品标签贡献率的商品畅滞销评估方法，其特征在于，包括以下步骤：

步骤1，商品编码；根据预选商品的标签种类和标签系列，以基于向量的商品信息编码方式存储标签种类和标签系列以及标签系列对应的序号值。

基于向量的商品信息编码方式如下所示：

其中，第一行向量表示预选商品的标签种类，第二行表示预选商品的标签系列，ξ表示预选商品标签系列所对应的序号值，LK表示商品的标签种类，|LK|表示商品标签种类数，LS表示商品的标签系列，|M|表示商品标签系列数。

步骤2，基于商品信息的标签系列及其序号值，通过畅滞销评估模型得出预选商品标签系列的贡献率。其具体的编码方式如下所示：

其中，第一行向量表示预选商品标签系列的序号值，第二行向量表示预选商品标签系列被选择的概率。χ表示预选商品标签系列的贡献率，χ_ι表示预选商品标签系列ξ_ι按照商品标签被选择概率Π_ι得出的预选商品标签系列的贡献率。ξ表示预选商品的标签系列所对应的序号值，|M|表示商品标签种类中的标签系列数,Π表示标签系列被选择的概率。

畅滞销评估模型的构建方式：根据大量历史商品的畅滞销状态，按照历史商品的标签种类、标签系列以及商品标签被选择的概率计算商品标签贡献率，将商品标签贡献率及其畅滞销状态构造成训练样本，采用机器学习算法对训练样本进行训练学习，构建畅滞销评估模型。

商品标签系列被选择概率的计算公式：

Π＝LCN/NE

其中，Π表示各个标签系列被选择概率，LCN表示该标签系列在标签次数频率字典中的频率次数，NE表示商品总标签系列数据集的行数。

步骤3，根据得出的标签系列贡献率平均值，通过畅滞销评估模型来判断该商品的畅滞销状态。

畅滞销状态确定方法如下：

若(χ₁+χ₂+χ₃+…+χ_|M|)/|M|＜0.3，则该商品为滞销商品；

若(χ₁+χ₂+χ₃+…+χ_|M|)/|M|＞＝0.3且(χ₁+χ₂+χ₃+…+χ_|M|)/|M|＜0.6，

则该商品为平销商品；

若(χ₁+χ₂+χ₃+…+χ_|M|)/|M|＞＝0.6，则该商品为畅销商品。

其中，χ表示商品标签系列的贡献率，|M|表示某商品标签种类中的标签系列数。

步骤4，畅滞销评估模型的更新；若预选商品通过畅滞销评估模型得出的结论为畅销商品，则将该预选商品作为训练样本，将此训练样本加入到已有的训练样本中，基于这些训练样本实现畅滞销评估模型的更新；若预选商品通过畅滞销评估模型得出的结论为平销商品或滞销商品，则不更新畅滞销评估模型。

2.根据权利要求1所述基于商品标签贡献率的商品畅滞销评估方法，其特征在于：所述的标签种类即为父标签，标签系列即为子标签。标签种类可包括但不仅限于商品材质、商品包装、商品色系等，标签系列可包括但不仅限于塑料、金属、木质、盒装、袋装、纯黑色、蓝紫渐变色等。

3.根据权利要求1所述基于商品标签贡献率的商品畅滞销评估方法，其特征在于：所述的标签种类和标签系列编码细节，可通过以下例子进行补充说明。标签系列中的塑料、金属、木质属于标签种类中的商品材质，标签系列中的盒装、袋装属于标签种类中的商品包装，标签系列中的纯黑色、蓝紫渐变色属于标签种类中的商品色系。

4.根据权利要求1所述基于商品标签贡献率的商品畅滞销评估方法，其特征在于：所述的预选商品的畅滞销状态由该商品标签系列的贡献率平均值决定。

5.根据权利要求1所述基于商品标签贡献率的商品畅滞销评估方法，其特征在于：所述机器学习算法为决策树算法。