[发明专利]面向对象的评估方法和装置

权利要求书

1.一种面向对象的评估方法，其特征在于，所述方法包括：

统计同品类多种物品的被替代性指标数据；

根据包括有所述同品类多种物品的被替代性指标数据和物品属性数据的训练集训练机器学习模型，对被替代性指标进行学习，以得到物品属性对用户决策行为的影响因子；

根据所述物品属性对用户决策行为的影响因子计算物品价值。

2.根据权利要求1所述的方法，其特征在于，所述机器学习模型包括：随机森林模型。

3.根据权利要求2所述的方法，其特征在于，所述根据包括有所述同品类多种物品的被替代性指标数据和物品属性数据的训练集训练机器学习模型，对被替代性指标进行学习，以得到物品属性对用户决策行为的影响因子的步骤包括：

基于最小二乘回归树算法构建多棵决策树，以得到包括所述多棵决策树的预测模型；

对物品属性样本点的一个属性维度进行随机化处理，并将随机化处理后的数据输入该预测模型，以得到被替代性指标预测值；

计算被替代性指标预测值与被替代性指标真值之间的偏差距离，并将所述偏差距离作为该物品属性对用户决策行为的影响因子。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

在基于最小二乘回归树算法构建决策树时，根据反距离加权函数计算决策树的输出值；

其中，c_m表示输出值；j表示切分所用的物品属性；s表示切分点；均表示新输入的物品属性数据与区域R_m(j,s)内的物品属性样本点之间的欧式距离的倒数；x_i、x_k均表示区域R_m(j,s)内的物品属性样本点；y_i表示与物品属性样本点x_i对应的被替代性指标样本值；表示对进行求和。

5.根据权利要求1所述的方法，其特征在于，根据如下公式计算所述物品价值；

其中，P_sku表示物品价值，Key_sku表示该物品的关键指标，γ_i表示第i个物品属性对被替代性指标的影响因子，W_i表示同品类中具有第i个物品属性的所有物品在该品类中的关键指标占比，n表示该物品的属性个数。

6.根据权利要求1所述的方法，其特征在于，根据如下公式计算所述物品的被替代性指标：

S_A＝∑_所有商品∑_{所有订单对}a*S(A,B)；

其中，S_A为物品A的被替代性指标；S(A,B)表示基于同一用户的一个订单对计算得到的物品A被物品B替代的指标，∑_{所有订单对}a*S(A,B)表示对基于所有订单对得到的S(A,B)进行加权求和，a为权重因子，∑_所有商品表示物品A被同品类所有其他物品替代的指标进行求和。

7.根据权利要求6所述的方法，其特征在于，根据如下公式计算S(A,B)：

其中，Sales_1A表示订单1中物品A的销售额；G_A表示从订单1到订单2，物品A的销售额占比损失值；G_B表示从订单1到订单2，物品B的销售额占比增加值；表示从订单1到订单2，与物品A、B同品类的其他物品的销售额占比增加值；n为在订单1、订单2中所述同品类的其他物品的种类数；S₁为订单1的销售额；S₂为订单2的销售额。