[发明专利]一种订单数量的预估方法及系统

说明书

本发明公开了一种订单数量的预估方法及系统，本发明实施例采用多层前馈(BP)神经网络及梯度提升决策树(GBDT)神经网络结合构建预测模型，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后，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所构建的预测模型中，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。这样，本发明实施例就准确预估订单数量，提高了预估准确性。

技术领域

本发明涉及计算机技术领域，特别涉及一种订单数量的预估方法及系统。

背景技术

随着计算机网络技术的发展，可以通过计算机网络实现各种应用。比如：在计算机网络侧上设置货品或服务的交易平台，用户终端通过计算机网络接入到该交易平台上，通过该交易平台进行货品或服务的预订。货品或服务的交易平台为了能够更好的服务用户终端，需要对一些信息进行预估，比如对货品或服务的预订订单进行预估，以提前做好货品或服务的准备。

目前，交易平台对订单数量进行预估时，有两种方法，以下分别说明。

第一种方法，主观预测方法。交易平台的管理者或运营人员通过以往的货品或服务的交易信息，及自身的工作经验，对订单数量进行主观预测，得到订单数量。

第二种方法，定量预测方法。设置神经网络模型，该神经网络模型是基于时间序列设置的线性预测模型，或者是采用多层前馈(BP)神经网络的预测模型，或者是将线性预测模型与神经网络相结合的预测模型，在预估定订单数量时，将所设置的神经网络模型所需的预估订单数量的相关信息输入到该模型中，经过该模型的处理得到所预估的订单数量。由于该方法采用了神经网络，所以在预估订单数量时能够提高泛化能力及提高预估准确性。

但是，采用这两种方法也存在明显的缺陷。针对第一种方法，在预估订单数量时，带有一定的主观性，对交易平台的涉及订单的历史多维度的相关信息挖掘不全，对波动性的涉及订单的外界因素考虑不到位，使得预估的订单数量和实际的订单数量有较大的差异，预估准确性低，无法适应交易平台的订单波动带来的机遇与挑战。针对第二种方法，虽然采用了神经网络模型进行订单预估，但是预估的准确性还是不能满足要求。比如基于时间序列的线性预测模型主要是关注时间与订单涉及的信息之间的关系，而忽略了其他影响，当该线性预测模型遇到非线性关系的实际问题时，预估的准确性就会下降。比如单独采用BP神经网络的预测模型，则该模型在收敛过程中存在速度慢，很有可能陷入局部极小值及稳定性差等缺点，导致了预估准性低。

发明内容

有鉴于此，本发明实施例提供一种订单数量的预估方法，该方法能够准确预估订单数量，提高预估准确性。

本发明实施例提供一种订单数量的预估系统，该系统能够准确预估订单数量，提高预估准确性。

本发明实施例是这样实现的：

一种订单数量的预估方法，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。

较佳地，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：