[发明专利]一种订单数量的预估方法及系统

权利要求书

1.一种订单数量的预估方法，其特征在于，包括：

获取订单的直接影响因素参数及订单的间接影响因素参数；

对订单的间接影响因素参数进行分词及情感分析，得到订单的间接影响因素参数的情感值；

将订单的直接影响因素参数及订单的间接影响因素参数的情感值输入到预测模型中，所述预测模型由多层前馈BP神经网络及梯度提升决策树GBDT神经网络结合构建；

通过所述预测模型中的BP神经网络及GBDT神经网络进行预估处理，分别输出第一订单预估数量值及第二订单预估数量值，通过所述预测模型的合并处理，得到订单预估数据值。

2.如权利要求1所述的方法，其特征在于，所述获取订单的直接影响因素参数及订单的间接影响因素参数包括：

获取订单的用户行为相关因素、订单的商家行为相关因素及订单的交易行为相关因素；其中，所述订单的用户行为相关因素包括货品或服务的浏览量、货品或服务的加购量、以及货品或服务的收藏量中的一种或多种组合；所述订单的商家行为相关因素包括货品或服务的单价信息、以及货品或服务的折扣力度信息中的一种或多种组合；所述订单的交易行为相关因素包括货品或服务的销售量，或/和，货品或服务的销售额信息；

获取订单包括的货品或服务的评价信息。

3.如权利要求1所述的方法，其特征在于，所述对订单的间接影响因素参数进行分词及情感分析包括：

采用设置的分词数据库，对订单的间接影响因素参数进行分词，得到订单的情感词典；

基于订单的情感词典进行计算，得到订单的情感词典中的各个情感词的情感值；

计算订单的情感词典中的各个情感词的情感值的平均值，得到订单的间接影响因素参数的情感值。

4.如权利要求1所述的方法，其特征在于，所述通过所述预测模型中的BP神经网络输出第一订单预估数量值包括：通过所述预测模型中的采用迭代算法Adaboots的BP神经网络输出第一订单预估数量值。

5.如权利要求1所述的方法，其特征在于，所述通过所述预测模型的合并处理，得到订单预估数据值包括：

采用沙普利shapley算法，为第一订单预估数量值及第二订单预估数据值分别确定对应的权重后，根据所对应的权重进行合并，得到订单预估数据值。

6.一种订单数量的预估系统，其特征在于，包括：获取单元、情感值分析单元及预估模型处理单元，其中，

获取单元，用于获取订单的直接影响因素参数及订单的间接影响因素参数，将订单的直接影响因素参数发送给预估模型处理单元；

情感分析单元，用于对订单的间接影响因素参数进行分词及情感分析，得到订单的间接影响因素参数的情感值，发送给预估模型处理单元；

预估模型处理单元，用于接收订单的直接影响因素参数及订单的间接影响因素参数的情感值，输入到预测模型中，所述预测模型由BP神经网络及GBDT神经网络结合构建；通过所述预测模型中的BP神经网络及GBDT神经网络进行预估处理，分别输出第一订单预估数量值及第二订单预估数量值，通过所述预测模型的合并处理，得到订单预估数据值。

7.如权利要求6所述的系统，其特征在于，所述订单的直接影响因素参数包括订单的用户行为相关因素、订单的商家行为相关因素及订单的交易行为相关因素；订单的间接影响因素为订单包括的货品或服务的评价信息；

所述订单的用户行为相关因素包括货品或服务的浏览量、货品或服务的加购量、以及货品或服务的收藏量中的一种或多种组合；所述订单的商家行为相关因素包括货品或服务的单价信息、以及货品或服务的折扣力度信息中的一种或多种组合；所述订单的交易行为相关因素包括货品或服务的销售量，或/和，货品或服务的销售额信息。