CN104834976A - 通过大数据搜寻分析预测存储器芯片价格变化趋势的方法 - Google Patents
通过大数据搜寻分析预测存储器芯片价格变化趋势的方法 Download PDFInfo
- Publication number
- CN104834976A CN104834976A CN201510244622.3A CN201510244622A CN104834976A CN 104834976 A CN104834976 A CN 104834976A CN 201510244622 A CN201510244622 A CN 201510244622A CN 104834976 A CN104834976 A CN 104834976A
- Authority
- CN
- China
- Prior art keywords
- memory chip
- price
- chip price
- prediction
- search
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明公开一种通过大数据搜寻分析预测存储器芯片价格变化趋势的方法,涉及大数据分析提取技术,通过搜索引擎历史上有关存储器芯片交易关键词搜索频率的变化,与存储器芯片价格变化规律进行数学建模,提取出存储器芯片交易关键词搜索频率与存储器芯片价格变化趋势之间的对应关系,对未来存储器芯片价格变化进行统计性预测。通过该方法能够较为准确的预测存储器价格的变化,对于大型电子产品生产企业,可以极大的节省生产采购成本。
Description
技术领域
本发明涉及大数据分析提取,计算机语义分析,数学建模,波动理论等,具体的说是一种通过大数据搜寻分析预测存储器芯片价格变化趋势的方法。
背景技术
大数据或称巨量数据、海量数据,指的是所涉及的数据量规模巨大到无法通过人工在合理时间内达到截取、管理、处理、并整理成为能解读的信息。在总数据量相同的情况下,与个别分析独立的小型数据集相比,将各个小型数据集合并后进行分析可得出许多额外的信息和数据关系性,可用来察觉商业趋势、判定研究质量、避免疾病扩散、打击犯罪或测定实时交通路况等;这样的用途正是大型数据集盛行的原因。
大数据几乎无法使用大多数的数据库管理系统处理,而必须使用“在数十、数百甚至数千台服务器上同时平行运行的软件”。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关,并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。
语义具有领域性特征,语义异构则是指对同一事物在解释上所存在差异,也就体现为同一事物在不同领域中理解的不同。对于计算机科学来说,语义一般是指用户对于那些用来描述现实世界的计算机表示(即符号)的解释,也就是用户用来联系计算机表示和现实世界的途径。
语义是对数据符号的解释,而语法则是对于这些符号之间的组织规则和结构关系的定义。对于信息集成领域来说,数据往往是通过模式(对于模式不存在或者隐含的非结构化和半结构化数据,往往需要在集成前定义出它们的模式)来组织的,数据的访问也是通过作用于模式来获得的,这时语义就是指模式元素(例如类、属性、约束等等)的含义,而语法则是模式元素的结构。
波动理论即艾略特波动理论,由会计师拉尔夫·纳尔逊·艾略特(Ralph Nelson Elliott )在1946年正式提出,是指在市场上重复出现十三种型态(Pattern),这十三种型态出现的时间间隔与幅度大小并不一定具有再现性;其实质上是用演绎法去解释市场的行为,并特别强调波动原理的预测价值。不仅股票期货等虚拟资产遵从这一理论,某些实体产品价格也遵从这一理论。
存储器芯片是信息时代所有电子产品必备的部件,就如同房屋中的水泥,存储器芯片的价格虽然总体上一直在下降,但是也会有上升阶段,即使总体下降,下降的速率也是变化的。存储器芯片的价格波动,受很多因素的影响,例如制造存储器芯片的主要原材料单晶硅的价格走势,国际经济形势,芯片主要生产地政治形势,新的存储技术的突破性进展,人力资源成本,甚至国际炒家的运作手法等。可以说预测存储器芯片的价格走势的难度,不亚于预测任何一支股票或者货币的价格的难度。
发明内容
针对现有技术存在的不足之处,本发明提供一种通过大数据搜寻分析预测存储器芯片价格变化趋势的方法。
本发明所述通过大数据搜寻分析预测存储器芯片价格变化趋势的方法,解决上述技术问题采用的技术方案如下:该方法通过搜索引擎历史上有关存储器芯片交易关键词搜索频率的变化,与存储器芯片价格变化规律进行数学建模,提取出存储器芯片交易关键词搜索频率与存储器芯片价格变化趋势之间的对应关系,对未来存储器芯片价格变化进行统计性预测。
优选的,首先对存储器芯片价格相关语义词条搜索频率进行统计,对存储器芯片历史价格波动与其价格相关语义词条搜索频率的关系进行数学建模,并根据存储器芯片价格相关语义词条搜索频率的变化预测价格波动。
优选的,对存储器芯片价格相关扩展语义词条的搜索频率的历史走势,和存储器芯片价格历史走势的内在关系,通过数学建模的方法进行提取。
优选的,借用数据分析工具Matlab,SAS,SPSS,R工具,确定一套有效的算法模型。
优选的,对建立好的数学模型,通过输入历史数据进行可靠性验证,并调整相关参数与算法,使其达到最优预测能力。
优选的,调用递归算法,对相关参数进行遍历尝试,比较各次尝试中预测模型的预测正确概率,从中找到最优的相关系数矩阵,固化预测模型。
优选的,输入近期的存储器芯片价格相关语义词条搜索频率,对未来存储器芯片价格走势进行预测。
本发明的通过大数据搜寻分析预测存储器芯片价格变化趋势的方法与现有技术相比具有的有益效果是:本发明所述方法是一种全新的预测存储器芯片价格变化趋势的路径,很多虚拟资产的价格预测已经采用了类似方法,并取得了巨大成功,能够较为准确的预测存储器价格的变化,并作出及时响应,对于大型电子产品生产企业,可以极大的节省生产采购成本。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明所述通过大数据搜寻分析预测存储器芯片价格变化趋势的方法进一步详细说明。
实施例
本实施例所述通过大数据搜寻分析预测存储器芯片价格变化趋势的方法,首先对存储器芯片价格相关语义词条搜索频率进行统计,对存储器芯片历史价格波动与其价格相关语义词条搜索频率的关系进行数学建模,并根据存储器芯片价格相关语义词条搜索频率的变化预测价格波动。
本实施例所述方法的具体实施过程如下:对存储器芯片价格相关扩展语义词条的搜索频率的历史走势,和存储器芯片价格历史走势的内在关系,通过数学建模的方法进行提取;然后对已经建立好的数学模型,通过输入历史数据进行可靠性验证,并调整相关参数与算法,使其达到最优预测能力;最后,输入近期的存储器芯片价格相关语义词条搜索频率,对未来存储器芯片价格走势进行预测。同时,不断重复上述过程,使模型不断优化,并趋于稳定。
实现本发明所述方法,需要确定获得存储器芯片价格历史走势:存储器芯片价格历史走势可以通过多种渠道获得,可以通过专门的商业资讯公司,购买相关具体数据,也可以使用互联网搜索到的免费数据。此外,存储器芯片价格相关语义词条搜索频率的历史走势可以通过几个主流搜索引擎提供的服务获得。需要确定存储器芯片价格相关扩展语义词条:与存储器芯片价格语义相关的词条非常庞杂,凡是能影响存储器芯片价格的词条,都应纳入其中,但鉴于每个词条对存储器芯片价格影响力不同,只需选择其中影响力较大的进行分析,利用谷歌搜索,也可以获得一些相关的词条,如何确定哪些词条应该列入建模的范围,需要综合考虑到它对存储器芯片价格的影响以及其本身的稳定性。
对存储器芯片价格相关扩展语义词条的搜索频率的历史走势数据,和存储器芯片价格历史走势数据进行收集整理的过程,可以使用脚本语言从网站获取相关数据,并存入本地数据库进行整理,若无相关权限,亦可购买相关数据。
对存储器芯片价格相关扩展语义词条的搜索频率的历史走势,和存储器芯片价格历史走势的内在关系,通过数学建模的方法进行提取,即建模提取存储器芯片价格相关扩展语义词条的搜索频率的历史走势数据和存储器芯片价格历史走势数据的内在关系,是所有步骤中的关键步骤,可以借用一些常用的数据分析工具,比如Matlab,SAS,SPSS,R等工具,确定一套有效的算法模型,通过调整相关系数,能使得存储器芯片价格相关扩展语义词条的搜索频率的历史走势数据对存储器芯片价格历史走势数据的预测准确的概率能达到最大值。例如:基于各词条搜索频率与词条相关性乘积的简单加权的线性模型。
调用递归算法,对相关参数进行遍历尝试,比较各次尝试中预测模型的预测正确概率,从中找到最优的相关系数矩阵,固化预测模型。
上述具体实施方式仅是本发明的具体个案,本发明的专利保护范围包括但不限于上述具体实施方式,任何符合本发明的权利要求书的且任何所属技术领域的普通技术人员对其所做的适当变化或替换,皆应落入本发明的专利保护范围。
Claims (7)
1.通过大数据搜寻分析预测存储器芯片价格变化趋势的方法,其特征在于, 通过搜索引擎历史上有关存储器芯片交易关键词搜索频率的变化,与存储器芯片价格变化规律进行数学建模,提取出存储器芯片交易关键词搜索频率与存储器芯片价格变化趋势之间的对应关系,对未来存储器芯片价格变化进行统计性预测。
2.根据权利要求1所述通过大数据搜寻分析预测存储器芯片价格变化趋势的方法,其特征在于,首先对存储器芯片价格相关语义词条搜索频率进行统计,对存储器芯片历史价格波动与其价格相关语义词条搜索频率的关系进行数学建模,并根据存储器芯片价格相关语义词条搜索频率的变化预测价格波动。
3.根据权利要求2所述通过大数据搜寻分析预测存储器芯片价格变化趋势的方法,其特征在于,对存储器芯片价格相关扩展语义词条的搜索频率的历史走势,和存储器芯片价格历史走势的内在关系,通过数学建模的方法进行提取。
4.根据权利要求3所述通过大数据搜寻分析预测存储器芯片价格变化趋势的方法,其特征在于,借用数据分析工具Matlab,SAS,SPSS,R工具,确定一套有效的算法模型。
5.根据权利要求3所述通过大数据搜寻分析预测存储器芯片价格变化趋势的方法,其特征在于, 对建立好的数学模型,通过输入历史数据进行可靠性验证,并调整相关参数与算法,使其达到最优预测能力。
6.根据权利要求5所述通过大数据搜寻分析预测存储器芯片价格变化趋势的方法,其特征在于,调用递归算法,对相关参数进行遍历尝试,比较各次尝试中预测模型的预测正确概率,从中找到最优的相关系数矩阵,固化预测模型。
7.根据权利要求5所述通过大数据搜寻分析预测存储器芯片价格变化趋势的方法,其特征在于, 输入近期的存储器芯片价格相关语义词条搜索频率,对未来存储器芯片价格走势进行预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510244622.3A CN104834976A (zh) | 2015-05-14 | 2015-05-14 | 通过大数据搜寻分析预测存储器芯片价格变化趋势的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510244622.3A CN104834976A (zh) | 2015-05-14 | 2015-05-14 | 通过大数据搜寻分析预测存储器芯片价格变化趋势的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104834976A true CN104834976A (zh) | 2015-08-12 |
Family
ID=53812850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510244622.3A Pending CN104834976A (zh) | 2015-05-14 | 2015-05-14 | 通过大数据搜寻分析预测存储器芯片价格变化趋势的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104834976A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574740A (zh) * | 2015-12-17 | 2016-05-11 | 金蝶软件(中国)有限公司 | 一种物资的采购信息推送方法及系统 |
CN105678576A (zh) * | 2016-01-06 | 2016-06-15 | 浪潮集团有限公司 | 一种通过大数据搜寻分析预测产品价格变化趋势的方法 |
CN105678080A (zh) * | 2016-01-11 | 2016-06-15 | 浪潮集团有限公司 | 通过大数据搜寻分析预测流感爆发可能性的方法 |
CN107515928A (zh) * | 2017-08-25 | 2017-12-26 | 百度在线网络技术(北京)有限公司 | 一种判断资产价格走势的方法、装置、服务器、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013137774A (ja) * | 2007-08-24 | 2013-07-11 | Nippon Steel & Sumikin Engineering Co Ltd | プロセスの状態予測方法およびプロセス状態予測システム |
CN103577581A (zh) * | 2013-11-08 | 2014-02-12 | 南京绿色科技研究院有限公司 | 农产品价格趋势预测方法 |
-
2015
- 2015-05-14 CN CN201510244622.3A patent/CN104834976A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013137774A (ja) * | 2007-08-24 | 2013-07-11 | Nippon Steel & Sumikin Engineering Co Ltd | プロセスの状態予測方法およびプロセス状態予測システム |
CN103577581A (zh) * | 2013-11-08 | 2014-02-12 | 南京绿色科技研究院有限公司 | 农产品价格趋势预测方法 |
Non-Patent Citations (2)
Title |
---|
杨树新: "基于网络关键词搜索的房地产价格影响因素研究", 《新疆财经大学学报》 * |
董倩 等: "基于网络搜索数据的房地产价格预测", 《统计研究》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574740A (zh) * | 2015-12-17 | 2016-05-11 | 金蝶软件(中国)有限公司 | 一种物资的采购信息推送方法及系统 |
CN105678576A (zh) * | 2016-01-06 | 2016-06-15 | 浪潮集团有限公司 | 一种通过大数据搜寻分析预测产品价格变化趋势的方法 |
CN105678080A (zh) * | 2016-01-11 | 2016-06-15 | 浪潮集团有限公司 | 通过大数据搜寻分析预测流感爆发可能性的方法 |
CN107515928A (zh) * | 2017-08-25 | 2017-12-26 | 百度在线网络技术(北京)有限公司 | 一种判断资产价格走势的方法、装置、服务器、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10977293B2 (en) | Technology incident management platform | |
US8560531B2 (en) | Search tool that utilizes scientific metadata matched against user-entered parameters | |
CN104123346A (zh) | 一种结构化数据搜索方法 | |
Jeong et al. | Anomaly teletraffic intrusion detection systems on hadoop-based platforms: A survey of some problems and solutions | |
CN104834976A (zh) | 通过大数据搜寻分析预测存储器芯片价格变化趋势的方法 | |
CN104572888A (zh) | 一种时间序列关联的信息检索方法 | |
CN112818230B (zh) | 内容推荐方法、装置、电子设备和存储介质 | |
CN103995828B (zh) | 一种云存储日志数据分析方法 | |
CN106844588A (zh) | 一种基于网络爬虫的用户行为数据的分析方法及系统 | |
Yagoubi et al. | ParCorr: efficient parallel methods to identify similar time series pairs across sliding windows | |
Yuan et al. | Research on technologies and application of data mining for cloud manufacturing resource services | |
KR20140081721A (ko) | 텍스트마이닝을 이용한 중요 키워드 도출 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 매체 | |
Shi et al. | Learned index benefits: Machine learning based index performance estimation | |
Hong et al. | Research and application of a multidimensional association rules mining algorithm based on Hadoop | |
Nojeem et al. | Customer Relationship Management and Algebraic Multigrid: An Analysis of Integration and Performance | |
CN107527289B (zh) | 一种投资组合行业配置方法、装置、服务器和存储介质 | |
CN112418269B (zh) | 社交媒体网络事件传播关键时间预测方法、系统、介质 | |
Gaurav et al. | An outline on big data and big data analytics | |
CN113254517A (zh) | 一种基于互联网大数据的服务提供方法 | |
CN102831174B (zh) | 结构化信息快速检索方法及系统 | |
Barnaghi et al. | Enhanced symbolic aggregate approximation method for financial time series data representation | |
US10990881B1 (en) | Predictive analytics using sentence data model | |
US20190065987A1 (en) | Capturing knowledge coverage of machine learning models | |
CN113836395B (zh) | 一种基于异构信息网络的服务开发者按需推荐方法及系统 | |
Kumar et al. | Stocks Analysis and Prediction of Indian Oil Trading Using Big Data Analytics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150812 |
|
WD01 | Invention patent application deemed withdrawn after publication |