CN116362797A - 基于大数据的贸易订单分析预测方法、系统及计算机设备 - Google Patents
基于大数据的贸易订单分析预测方法、系统及计算机设备 Download PDFInfo
- Publication number
- CN116362797A CN116362797A CN202310629646.5A CN202310629646A CN116362797A CN 116362797 A CN116362797 A CN 116362797A CN 202310629646 A CN202310629646 A CN 202310629646A CN 116362797 A CN116362797 A CN 116362797A
- Authority
- CN
- China
- Prior art keywords
- order
- frequent shopping
- layer
- coefficient
- trade order
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012216 screening Methods 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 20
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 239000006071 cream Substances 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000011299 Brassica oleracea var botrytis Nutrition 0.000 description 2
- 235000017647 Brassica oleracea var italica Nutrition 0.000 description 2
- 240000003259 Brassica oleracea var. botrytis Species 0.000 description 2
- 235000013162 Cocos nucifera Nutrition 0.000 description 2
- 244000060011 Cocos nucifera Species 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 235000015895 biscuits Nutrition 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000015110 jellies Nutrition 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000014594 pastries Nutrition 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Probability & Statistics with Applications (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了基于大数据的贸易订单分析预测方法,包括:获取历史贸易订单,形成历史贸易订单集合;统计所述历史贸易订单的贸易物品的种类,形成第一种类集合;基于所述历史贸易订单集合和所述第一种类集合,得到多层常购物品集合;以及基于所述多层常购物品集合,得到强关联物品集合。通过对历史的贸易订单的数量和订单内的物品种类来分析得到常购物品集合和强关联物品集合,通过常购物品集合和强关联物品集合可以知道客户的一般购买喜好,且可以提前对库存进行安排,更可以在短时间内根据强关联物品中的各个物品的销量来预测相应的强关联物品的未来销量。
Description
技术领域
本申请属于大数据技术领域,具体涉及基于大数据的贸易订单分析预测方法、系统及计算机设备。
背景技术
随着经济的不断发展,贸易订单的数量越来越多,存在大量的数据有待开发利用,目前对于贸易订单的信息仅仅用于记录和跟踪,并没有用于开发利用以更好体现订单中物品之间的关联性,对于商家来说,这些贸易订单的价值大大降低,甚至变成了一种负担。
贸易订单中包括的物品是多种多样的,但是对于一家商家来说,其买卖的商品数量是特定的,而且也基本属于相同种类,因此能够从历史的订单中来获取客户的行为特点,并由此预测客户的购买行为、所购买的物品之间的关联性,从而提前进行相关商品库存的准备等变得尤为重要,因而从大量的数据中分析得到有用的信息是目前大量贸易订单有待解决的问题。
发明内容
本申请为了克服现有技术的不足,提供了基于大数据的贸易订单分析预测方法、系统及计算机设备,通过对大量的贸易订单的内容和数量进行分析预测,以得到常购物品集合和强关联物品集合,通过常购物品集合和强关联物品集合可以知道客户的一般购买喜好,且可以提前对库存进行安排,更可以在短时间内根据强关联物品中的各个物品的销量来预测相应的强关联物品的未来销量。
为了实现上述目的,本申请采用以下技术方案:
一种基于大数据的贸易订单分析预测方法,包括:
获取历史贸易订单,形成历史贸易订单集合;
统计所述历史贸易订单的贸易物品的种类,形成第一种类集合,所述第一种类集合中的每个元素为单个物品;
基于所述历史贸易订单集合和所述第一种类集合,得到多层常购物品集合;以及
基于所述多层常购物品集合,得到强关联物品集合;
所述基于所述历史贸易订单集合和所述第一种类集合,得到多层常购物品集合的步骤包括:
历遍所述历史贸易订单集合,统计所述第一种类集合中每个元素的订单数量;
根据所述每个元素的订单数量,计算所述每个元素的常购系数,所述常购系数为每个所述订单数量占所述历史贸易订单集合的订单数总数的比例;
根据所述每个物品的常购系数超过第一预设值,筛选出对应的物品形成第一层常购物品集合;
种类集合形成:将所述第一层常购物品集合中的每个元素两两相并为新的元素,并形成了第二种类集合;
统计:重新历遍所述历史贸易订单集合,统计所述第二种类集合中每个元素的订单数量;
计算:根据所述每个元素的订单数量,计算所述每个元素的常购系数;
多层常购物品集合形成:根据所述每个元素的常购系数超过所述第一预设值,筛选出对应的元素形成第二层常购物品集合;
重复上述种类集合形成、统计、计算和多层常购物品集合形成的步骤,形成其他的多层常购物品集合。
进一步地,所述基于所述多层常购物品集合,得到强关联物品集合的步骤包括:
根据每个所述多层常购物品集合中的每个元素,计算每个元素的强关联系数;
根据每个元素的强关联系数超过第二预设值,筛选出对应的元素形成所述强关联物品集合。
进一步地,所述根据每个所述多层常购物品集合中的每个元素,计算每个元素的强关联系数的步骤包括:
历遍所述历史贸易订单集合,统计每个元素的订单数量;
历遍所述历史贸易订单集合,筛选出合并成每个元素前的第一元素和第二元素的订单,并统计第一元素和第二元素的订单数量;
根据每个元素的订单数量以及第一元素和第二元素的订单数量,计算每个元素的强关联系数,所述强关联系数为每个元素的订单数量与第一元素和第二元素的订单数量的比值。
本申请还提供了一种基于大数据的贸易订单分析预测系统,包括:
获取模块,用于获取历史贸易订单,形成历史贸易订单集合;
统计模块,用于统计所述历史贸易订单的贸易物品的种类,形成第一种类集合,所述第一种类集合中的每个元素为单个物品;以及
计算模块,用于基于所述历史贸易订单集合和所述第一种类集合,得到多层常购物品集合;所述计算模块还用于基于所述多层常购物品集合,得到强关联物品集合;
所述计算模块还用于:
历遍所述历史贸易订单集合,统计所述第一种类集合中每个元素的订单数量;
根据所述每个元素的订单数量,计算所述每个元素的常购系数,所述常购系数为每个所述订单数量占所述历史贸易订单集合的订单数总数的比例;
根据所述每个物品的常购系数超过第一预设值,筛选出对应的物品形成第一层常购物品集合;
种类集合形成:将所述第一层常购物品集合中的每个元素两两相并为新的元素,并形成了第二种类集合;
统计:重新历遍所述历史贸易订单集合,统计所述第二种类集合中每个元素的订单数量;
计算:根据所述每个元素的订单数量,计算所述每个元素的常购系数;
多层常购物品集合形成:根据所述每个元素的常购系数超过所述第一预设值,筛选出对应的元素形成第二层常购物品集合;
重复上述种类集合形成、统计、计算和多层常购物品集合形成的步骤,形成其他的多层常购物品集合。
进一步地,所述计算模块还用于:
根据每个所述多层常购物品集合中的每个元素,计算每个元素的强关联系数;
根据每个元素的强关联系数超过第二预设值,筛选出对应的元素形成所述强关联物品集合。
进一步地,所述计算模块还用于:
历遍所述历史贸易订单集合,统计每个元素的订单数量;
历遍所述历史贸易订单集合,筛选出合并成每个元素前的第一元素和第二元素的订单,并统计第一元素和第二元素的订单数量;
根据每个元素的订单数量以及第一元素和第二元素的订单数量,计算每个元素的强关联系数,所述强关联系数为每个元素的订单数量与第一元素和第二元素的订单数量的比值。
本申请还提供了一种计算机设备,其中,包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的基于大数据的贸易订单分析预测方法。
附图说明
图1为本申请的基于大数据的贸易订单分析预测系统的示意图;
图2为本申请的计算机设备的结构示意图。
具体实施方式
在本申请的描述中,需要理解的是,术语等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的系统或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
本申请基于历史的贸易订单的数量和订单内的物品种类来分析得到常购物品集合和强关联物品集合,通过常购物品集合和强关联物品集合可以知道客户的一般购买喜好,且可以提前对库存进行安排,更可以在短时间内根据强关联物品中的各个物品的销量来预测相应的强关联物品的未来销量。
在一些实施例中,提供了一种基于大数据的贸易订单分析预测方法,包括:
一种基于大数据的贸易订单分析预测方法,包括:
获取历史贸易订单,形成历史贸易订单集合;这里的历史贸易订单是海量的,可以通过在中央存储器调取的方式获得这些历史的贸易订单,每个贸易订单均有唯一的订单编号;
统计所述历史贸易订单的贸易物品的种类,形成第一种类集合,所述第一种类集合中的每个元素为单个物品;这里通过对历史贸易订单的统计可以获得这些订单中的贸易物品的种类,且对于一个商家来说,这些贸易物品的种类一般也都是相近或者相同品种的,比如对于甜品来说物品的种类可能包括糕点、饼干、果冻、椰蓉、奶油等等;对于夹具来说物品的种类可能包括螺丝、螺栓、椅子、桌子、沙发、灯具等等;将这些出现的物品的种类进行归集即形成种类集合;
基于所述历史贸易订单集合和所述第一种类集合,得到多层常购物品集合;多层常购物品集合的意思是这些集合内的物品是客户比较常购买的,且一般呈现成组购买,比如在购买桌子的同时也购买椅子,在购买椰蓉的同时也会购买奶油等等,而多层的意思是单独购买桌子、椅子、椰蓉、奶油的为第一层常购物品集合;购买桌子和椅子、椰蓉和奶油的为第二层常购物品集合;在家具贸易方面,第三层常购物品集合可以是螺丝和螺栓和椅子、桌子和沙发和灯具这样子,通过将不同的物品进行组合形成集合来判断这些物品之间的关联,从而可以获得客户的购买喜好以更好准备库存。
基于所述多层常购物品集合,得到强关联物品集合。强关联物品集合的意思是这些集合里面的各个元素,各个元素内的物品之间的强关联性,表示在购买A元素的同时会购买B元素,表示这两个元素之间的购买往往是同时产生的,从这个角度来讲,单个订单或者单个客户的行为往往说明不了问题,但是通过大数据的方法却可以分析预测到这两个元素之间的关联性,这样可以预测在历史订单的基础上接下来哪些强关联的物品可能会被购买,从而提前准备库存,意义重大。
所述基于所述历史贸易订单集合和所述第一种类集合,得到多层常购物品集合的步骤包括:
历遍所述历史贸易订单集合,统计所述第一种类集合中每个元素的订单数量;
根据所述每个元素的订单数量,计算所述每个元素的常购系数,所述常购系数为每个所述订单数量占所述历史贸易订单集合的订单数总数的比例;
根据所述每个物品的常购系数超过第一预设值,筛选出对应的物品形成第一层常购物品集合;这里的第一预设值可以根据订单数量、不同的种类数量和不同的物品品种来进行选择,在实践中也可以根据尝试的方法不断修正,订单数量越小,这个第一预设值可能越小。
种类集合形成:将所述第一层常购物品集合中的每个元素两两相并为新的元素,并形成了第二种类集合;
统计:重新历遍所述历史贸易订单集合,统计所述第二种类集合中每个元素的订单数量;
计算:根据所述每个元素的订单数量,计算所述每个元素的常购系数;
多层常购物品集合形成:根据所述每个元素的常购系数超过所述第一预设值,筛选出对应的元素形成第二层常购物品集合;
重复上述种类集合形成、统计、计算和多层常购物品集合形成的步骤,形成其他的多层常购物品集合。
在一些实施例中,所述基于所述多层常购物品集合,得到强关联物品集合的步骤包括:
根据每个所述多层常购物品集合中的每个元素,计算每个元素的强关联系数;
根据每个元素的强关联系数超过第二预设值,筛选出对应的元素形成所述强关联物品集合。这里的第二预设值也是可以根据不同物品之间的关系来选择,也可以根据尝试的方法不断修正,当物品数量比较少时,第二预设值一般也比较小,可以根据具体的情况选择。
在一些实施例中,所述根据每个所述多层常购物品集合中的每个元素,计算每个元素的强关联系数的步骤包括:
历遍所述历史贸易订单集合,统计每个元素的订单数量;
历遍所述历史贸易订单集合,筛选出合并成每个元素前的第一元素和第二元素的订单,并统计第一元素和第二元素的订单数量;
根据每个元素的订单数量以及第一元素和第二元素的订单数量,计算每个元素的强关联系数,所述强关联系数为每个元素的订单数量与第一元素和第二元素的订单数量的比值。
本申请还提供了一种基于大数据的贸易订单分析预测系统1,包括:
获取模块11,用于获取历史贸易订单,形成历史贸易订单集合;
统计模块12,用于统计所述历史贸易订单的贸易物品的种类,形成第一种类集合,所述第一种类集合中的每个元素为单个物品;以及
计算模块13,用于基于所述历史贸易订单集合和所述第一种类集合,得到多层常购物品集合;所述计算模块还用于基于所述多层常购物品集合,得到强关联物品集合。
在一些实施例中,所述计算模块13还用于:
历遍所述历史贸易订单集合,统计所述第一种类集合中每个元素的订单数量;
根据所述每个元素的订单数量,计算所述每个元素的常购系数,所述常购系数为每个所述订单数量占所述历史贸易订单集合的订单数总数的比例;
根据所述每个物品的常购系数超过第一预设值,筛选出对应的物品形成第一层常购物品集合;
种类集合形成:将所述第一层常购物品集合中的每个元素两两相并为新的元素,并形成了第二种类集合;
统计:重新历遍所述历史贸易订单集合,统计所述第二种类集合中每个元素的订单数量;
计算:根据所述每个元素的订单数量,计算所述每个元素的常购系数;
多层常购物品集合形成:根据所述每个元素的常购系数超过所述第一预设值,筛选出对应的元素形成第二层常购物品集合;
重复上述种类集合形成、统计、计算和多层常购物品集合形成的步骤,形成其他的多层常购物品集合。
在一些实施例中,所述计算模块13还用于:
根据每个所述多层常购物品集合中的每个元素,计算每个元素的强关联系数;
根据每个元素的强关联系数超过第二预设值,筛选出对应的元素形成所述强关联物品集合。
在一些实施例中,所述计算模块13还用于:
历遍所述历史贸易订单集合,统计每个元素的订单数量;
历遍所述历史贸易订单集合,筛选出合并成每个元素前的第一元素和第二元素的订单,并统计第一元素和第二元素的订单数量;
根据每个元素的订单数量以及第一元素和第二元素的订单数量,计算每个元素的强关联系数,所述强关联系数为每个元素的订单数量与第一元素和第二元素的订单数量的比值。
如图2所示,是根据本申请实施例的基于大数据的贸易订单分析预测方法的计算机设备的框图,旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。计算机设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图2所示,该计算机设备包括:一个或多个处理器801、存储器802,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图2中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的基于大数据的贸易订单分析预测方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的基于大数据的贸易订单分析预测方法。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的基于大数据的贸易订单分析预测方法对应的程序指令/模块。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的基于大数据的贸易订单分析预测方法。
存储器802可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据基于大数据的贸易订单分析预测方法的计算机设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至基于大数据的贸易订单分析预测方法的计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、区块链网络、移动通信网及其组合。
基于大数据的贸易订单分析预测方法的计算机设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图2中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与基于大数据的贸易订单分析预测方法的计算机设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (7)
1.一种基于大数据的贸易订单分析预测方法,其特征在于,包括:
获取历史贸易订单,形成历史贸易订单集合;
统计所述历史贸易订单的贸易物品的种类,形成第一种类集合,所述第一种类集合中的每个元素为单个物品;
基于所述历史贸易订单集合和所述第一种类集合,得到多层常购物品集合;以及
基于所述多层常购物品集合,得到强关联物品集合;
所述基于所述历史贸易订单集合和所述第一种类集合,得到多层常购物品集合的步骤包括:
历遍所述历史贸易订单集合,统计所述第一种类集合中每个元素的订单数量;
根据所述每个元素的订单数量,计算所述每个元素的常购系数,所述常购系数为每个所述订单数量占所述历史贸易订单集合的订单数总数的比例;
根据所述每个物品的常购系数超过第一预设值,筛选出对应的物品形成第一层常购物品集合;
种类集合形成:将所述第一层常购物品集合中的每个元素两两相并为新的元素,并形成了第二种类集合;
统计:重新历遍所述历史贸易订单集合,统计所述第二种类集合中每个元素的订单数量;
计算:根据所述每个元素的订单数量,计算所述每个元素的常购系数;
多层常购物品集合形成:根据所述每个元素的常购系数超过所述第一预设值,筛选出对应的元素形成第二层常购物品集合;
重复上述种类集合形成、统计、计算和多层常购物品集合形成的步骤,形成其他的多层常购物品集合。
2.根据权利要求1所述的基于大数据的贸易订单分析预测方法,其特征在于,所述基于所述多层常购物品集合,得到强关联物品集合的步骤包括:
根据每个所述多层常购物品集合中的每个元素,计算每个元素的强关联系数;
根据每个元素的强关联系数超过第二预设值,筛选出对应的元素形成所述强关联物品集合。
3.根据权利要求2所述的基于大数据的贸易订单分析预测方法,其特征在于,所述根据每个所述多层常购物品集合中的每个元素,计算每个元素的强关联系数的步骤包括:
历遍所述历史贸易订单集合,统计每个元素的订单数量;
历遍所述历史贸易订单集合,筛选出合并成每个元素前的第一元素和第二元素的订单,并统计第一元素和第二元素的订单数量;
根据每个元素的订单数量以及第一元素和第二元素的订单数量,计算每个元素的强关联系数,所述强关联系数为每个元素的订单数量与第一元素和第二元素的订单数量的比值。
4.一种基于大数据的贸易订单分析预测系统,其特征在于,包括:
获取模块,用于获取历史贸易订单,形成历史贸易订单集合;
统计模块,用于统计所述历史贸易订单的贸易物品的种类,形成第一种类集合,所述第一种类集合中的每个元素为单个物品;以及
计算模块,用于基于所述历史贸易订单集合和所述第一种类集合,得到多层常购物品集合;所述计算模块还用于基于所述多层常购物品集合,得到强关联物品集合;
所述计算模块还用于:
历遍所述历史贸易订单集合,统计所述第一种类集合中每个元素的订单数量;
根据所述每个元素的订单数量,计算所述每个元素的常购系数,所述常购系数为每个所述订单数量占所述历史贸易订单集合的订单数总数的比例;
根据所述每个物品的常购系数超过第一预设值,筛选出对应的物品形成第一层常购物品集合;
种类集合形成:将所述第一层常购物品集合中的每个元素两两相并为新的元素,并形成了第二种类集合;
统计:重新历遍所述历史贸易订单集合,统计所述第二种类集合中每个元素的订单数量;
计算:根据所述每个元素的订单数量,计算所述每个元素的常购系数;
多层常购物品集合形成:根据所述每个元素的常购系数超过所述第一预设值,筛选出对应的元素形成第二层常购物品集合;
重复上述种类集合形成、统计、计算和多层常购物品集合形成的步骤,形成其他的多层常购物品集合。
5.根据权利要求4所述的基于大数据的贸易订单分析预测系统,其特征在于,所述计算模块还用于:
根据每个所述多层常购物品集合中的每个元素,计算每个元素的强关联系数;
根据每个元素的强关联系数超过第二预设值,筛选出对应的元素形成所述强关联物品集合。
6.根据权利要求5所述的基于大数据的贸易订单分析预测系统,其特征在于,所述计算模块还用于:
历遍所述历史贸易订单集合,统计每个元素的订单数量;
历遍所述历史贸易订单集合,筛选出合并成每个元素前的第一元素和第二元素的订单,并统计第一元素和第二元素的订单数量;
根据每个元素的订单数量以及第一元素和第二元素的订单数量,计算每个元素的强关联系数,所述强关联系数为每个元素的订单数量与第一元素和第二元素的订单数量的比值。
7.一种计算机设备,其特征在于,包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的基于大数据的贸易订单分析预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310629646.5A CN116362797A (zh) | 2023-05-31 | 2023-05-31 | 基于大数据的贸易订单分析预测方法、系统及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310629646.5A CN116362797A (zh) | 2023-05-31 | 2023-05-31 | 基于大数据的贸易订单分析预测方法、系统及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116362797A true CN116362797A (zh) | 2023-06-30 |
Family
ID=86941928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310629646.5A Pending CN116362797A (zh) | 2023-05-31 | 2023-05-31 | 基于大数据的贸易订单分析预测方法、系统及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116362797A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190140701A (ko) * | 2018-06-12 | 2019-12-20 | 한신대학교 산학협력단 | 계층적 카테고리 군집 기반 장바구니 상품 추천 방법 |
CN112035753A (zh) * | 2020-11-02 | 2020-12-04 | 北京每日优鲜电子商务有限公司 | 推荐页面生成方法、装置、电子设备和计算机可读介质 |
CN112950304A (zh) * | 2019-12-11 | 2021-06-11 | 北京沃东天骏信息技术有限公司 | 信息推送方法、装置、设备及存储介质 |
CN113240489A (zh) * | 2021-05-18 | 2021-08-10 | 广州卓铸网络科技有限公司 | 一种基于大数据统计分析的物品推荐方法及装置 |
US20230053859A1 (en) * | 2020-02-12 | 2023-02-23 | Beijing Wodong Tianjun Information Technology Co., Ltd. | Method and apparatus for outputting information |
-
2023
- 2023-05-31 CN CN202310629646.5A patent/CN116362797A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190140701A (ko) * | 2018-06-12 | 2019-12-20 | 한신대학교 산학협력단 | 계층적 카테고리 군집 기반 장바구니 상품 추천 방법 |
CN112950304A (zh) * | 2019-12-11 | 2021-06-11 | 北京沃东天骏信息技术有限公司 | 信息推送方法、装置、设备及存储介质 |
US20230053859A1 (en) * | 2020-02-12 | 2023-02-23 | Beijing Wodong Tianjun Information Technology Co., Ltd. | Method and apparatus for outputting information |
CN112035753A (zh) * | 2020-11-02 | 2020-12-04 | 北京每日优鲜电子商务有限公司 | 推荐页面生成方法、装置、电子设备和计算机可读介质 |
CN113240489A (zh) * | 2021-05-18 | 2021-08-10 | 广州卓铸网络科技有限公司 | 一种基于大数据统计分析的物品推荐方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10410258B2 (en) | Graphical user interface for high volume data analytics | |
CN111046257B (zh) | 一种会话推荐方法、装置以及电子设备 | |
US20220398637A1 (en) | Selecting product desciptons to display | |
CN112269789A (zh) | 存储数据的方法和装置、以及读取数据的方法和装置 | |
AU2020378964B2 (en) | Methods and user interfaces for visually analyzing data visualizations with multi-row calculations | |
JP2020053051A (ja) | 分散システムにわたる統合エンティティビュー | |
CN111666280B (zh) | 评论的排序方法、装置、设备和计算机存储介质 | |
CN110619002A (zh) | 数据处理方法、装置及存储介质 | |
US20130073518A1 (en) | Integrated transactional and data warehouse business intelligence analysis solution | |
CN110851726B (zh) | 兴趣点选择方法、装置以及电子设备 | |
AU2015283827A1 (en) | Online shopping system and method | |
US20150221014A1 (en) | Clustered browse history | |
CN113763072B (zh) | 用于分析信息的方法和装置 | |
CN116362797A (zh) | 基于大数据的贸易订单分析预测方法、系统及计算机设备 | |
CN112015995A (zh) | 数据分析的方法、装置、设备以及存储介质 | |
CN116402472A (zh) | 工作流审批方法及其装置 | |
CN112667770A (zh) | 一种对物品进行分类的方法和装置 | |
CN109146421B (zh) | 成本分析数据页面展示方法及装置 | |
CN111310618A (zh) | 物品识别方法、装置、电子设备及可读存储介质 | |
CN111985969A (zh) | 媒体信息展示方法、装置、设备及计算机存储介质 | |
US8140564B2 (en) | Generating search and select tables | |
CN113220982A (zh) | 广告搜索方法、装置、电子设备和介质 | |
CN110837363A (zh) | 代码文件的生成方法、装置、设备和介质 | |
CN111475721A (zh) | 信息推送方法、装置、设备及存储介质 | |
CN110032560A (zh) | 一种监控图表的生成方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |