[发明专利]一种消费者购买酒的价位预测方法及系统

说明书

技术领域

本发明实施例涉及数据挖掘技术领域，尤其涉及一种消费者购买酒的价位预测方法及系统。

背景技术

随着人们生活水平的提高，市场上销售的酒的种类及价格趋于多样化，研究消费者的消费行为对生产企业制定营销策略，增加经营收入等方面具有重要的现实意义。

以葡萄酒为例，葡萄酒作为一种健康又时尚的饮品，越来越受到人们的重视，其消费也越来越普及。消费者的消费偏好和消费行为趋势会很大程度上影响葡萄酒市场的走向，进而影响我国葡萄酒产业未来发展的方向。深入了解葡萄酒消费者进行研究，既可以进一步完善与扩充消费者行为研究理论，更可以使葡萄酒企业的营销活动更具针对性。现有技术中使用二分类v双支持向量机训练模型来对消费者的行为进行预测，但是该方法预测的精确度不高。因此，如何提高对消费者购买价位预测的精确度是现如今亟待解决的课题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种消费者购买酒的价位预测方法及系统。

一方面，本发明实施例提供一种消费者购买酒的价位预测方法，包括：

对获取到的消费者样本集对应的影响因素进行提取，所述影响因素包括：质量因素、企业营销因素、购买动机因素和个人特征因素，每一所述影响因素至少包括一个影响因子；

计算各所述影响因子对应的权重，并根据所述权重获取目标影响因子；

根据所述目标影响因子和酒的价位建立二分类v双支持向量机模型，根据所述二分类v双支持向量机模型建立多分类模型，并利用所述消费者样本集对所述多分类模型进行训练；

利用所述多分类模型对待预测样本进行预测。

另一方面，本发明实施例提供一种消费者购买酒的价位预测系统，包括：

提取模块，用于对获取到的消费者样本集对应的影响因素进行提取，所述影响因素包括：质量因素、企业营销因素、购买动机因素和个人特征因素，每一所述影响因素至少包括一个影响因子；

计算模块，用于计算各所述影响因子对应的权重，并根据所述权重获取目标影响因子；

模型建立模块，用于根据所述目标影响因子和酒的价位建立二分类v双支持向量机模型，根据所述二分类v双支持向量机模型建立多分类模型，并利用所述消费者样本集对所述多分类模型进行训练；

模型预测模块，用于利用所述多分类模型对待预测样本进行预测。

本发明实施例提供的一种消费者购买酒的价位预测方法及系统，通过根据目标影响因子和酒的价位建立二分类v双支持向量机模型，根据二分类v双支持向量机模型建立多分类模型，提高了对消费者购买酒的价位预测的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种消费者购买酒的价位预测方法流程示意图；

图2为本发明实施例提供的二分类v双支持向量机模型分类示意图；

图3为本发明实施例提供的多分类模型训练示意图；

图4为本发明实施例提供的Lasso算法计算原理图；

图5为本发明另一实施例提供的一种消费者购买酒的价位预测方法流程示意图；

图6为本发明实施例提供的多分类模型预测流程示意图；

图7为本发明实施例提供的一种消费者购买酒的价位预测系统结构示意图；

图8为本发明另一实施例提供的一种消费者购买酒的价位预测系统结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的一种消费者购买酒的价位预测方法流程示意图，如图1所示，所述方法，包括：

步骤101：对获取到的消费者样本集对应的影响因素进行提取，所述影响因素包括：质量因素、企业营销因素、购买动机因素和个人特征因素，每一所述影响因素至少包括一个影响因子；