[发明专利]一种基于大数据的鞋子流行趋势预测系统及方法

权利要求书

1.一种基于大数据的鞋子流行趋势预测方法，其特征在于：具体的大数据流行趋势预测方法为：

步骤一：图像解析单元解析鞋子图像元素；

步骤二：获取鞋子品牌，人工编制添加鞋子品牌到词典；获取鞋子标题输入元素解析模块，所述鞋子标题输入急速分词，所述急速分词基于正向最大匹配算法分词标题抓取元素；

步骤三：剩余的标题字符串输入新词词典，所述新词词典基于N-gram模型将获得的鞋子标题分词从而获得元素，将已获得的元素添加到词典中，并将获得的元素输入数据清理单元；

步骤四：数据清理单元筛选和重组鞋子元素，将单位时间重复的鞋子元素的流行度累计后，所述流行度归一化输入元素预测模块；

所述数据清理单元统计鞋子元素的重复度，将所述鞋子元素以重复度为序排序，筛选重复度前N个的元素并剔除Y年内没有重复的元素；

基于销量获得鞋子元素的流行度，计算公式为：

P＝A*S

其中，A表示鞋子元素，S表示鞋子元素对应的单位时间销售量，P表示鞋子元素的流行度；

步骤五：所述元素预测模块基于LSTM算法进行流行度预测，输入不同时间步长的鞋子元素的流行度P，所述元素预测模块最终输出前N个的元素的不同时间的流行度；

步骤六：数据分析模块提取不同时间步长的预测结果，输出不同时间步长的鞋子流行趋势；

所述图像解析单元基于HSV空间获取颜色直方图表达鞋子的色彩搭配，具体步骤为：

获取鞋子基于HSV空间的颜色直方图；

所述颜色直方图均值滤波；

设立参考色，计算颜色直方图与参考图之间的相似值，具体计算公式为：

其中，P表示所述颜色直方图和参考图之间的相似值；

设置分类区间范围，在同一分类区间内图像为同一色彩搭配。

2.一种基于大数据的鞋子流行趋势预测系统，其特征在于：该系统包括元素解析模块、元素预测模块和数据分析模块，所述元素解析模块解析鞋子的元素组成，并且统计元素的重复度从而获得元素的流行度，将元素的流行度输入元素预测算法，获取元素流行趋势，将所述元素流行趋势输入数据分析模块，不同维度的解读流行元素，获得鞋子的流行趋势；

所述元素解析模块包括图像解析单元、标题分词单元、关键词提取单元和数据清洗单元，所述图像解析单元解析鞋子图像元素，所述图像元素包括线条语言和色彩搭配，所述标题分词单元分词鞋子标题获取鞋子元素，所述关键词提取单元提取鞋子详情页的关键词获取鞋子元素，所述数据清洗单元清洗鞋子元素数据，统计鞋子元素的重复度，输出鞋子元素的流行度；

所述图像解析单元基于HSV空间获取颜色直方图表达鞋子的色彩搭配，计算颜色直方图的相似值，认定在阈值以内的颜色直方图为同一色彩搭配；

所述图像解析单元基于Roberts交叉算子算法获得鞋子的线条语言作为元素，基于HOG特征提取算法计算鞋子的线条语言的梯度统计直方图，将梯度直方图转化为向量，通过余弦相似度划分种类。

3.根据权利要求2所述的一种基于大数据的鞋子流行趋势预测系统，其特征在于：所述标题分词单元包括急速分词和新词词典，所述急速分词基于正向最大匹配算法，取词典中最长词为最大匹配长度m，截取鞋子标题的前m位与词典匹配，如果匹配成功输出截取鞋子标题的前m位至鞋子元素；如果词典无法匹配，截取鞋子标题的前m-1位与词典匹配，依次循环直至匹配成功，如果截取鞋子标题的字段等于1，输出鞋子标题的第一位字符至新词，剩余的鞋子标题依次循环直至鞋子标题长度小于等于1；

所述新词字段输入新词词典，所述新词词典分词新词字段从而获得元素，且已获得的元素添加到词典中，人工编制添加鞋子品牌到所述词典；

所述新词词典模型公式为：

其中，P为概率，m为词的个数，w_m为输入语句中的词，i为词的位置；

其中，c(w_i-1,w_i)表示二元组(w_i-1,w_i)在训练语料库中出现的次数，c(w_i)表示词w_i在训练预料库中出现的次数。