[發明專利]商品價格預測方法及裝置

在審

• 申請號: 201810727271.5
• 申請日: 2018-07-04
• 公開（公告）號: CN109064212A
• 公開（公告）日: 2018-12-21
• 發明（設計）人: 王碧波;董雪梅
• 申請（專利權）人: 蘇州仙度網絡科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 余劍琴

1.一種商品價格預測方法，其特征在于，包括：

獲取商品價格預測的目標樣本數據；所述目標樣本數據包括：第一參數和第二參數所對應的數據；將所述第一參數作為輸入參數；其中所述第一參數包括：商品屬性參數、商品所處環境參數；將所述第二參數作為輸出參數；其中所述第二參數包括：商品價格；所述目標樣本數據包括：訓練樣本數據和驗證樣本數據；

基于預設輸入輸出關系函數模型，確定所述預設輸入輸出關系函數模型中每個參數的先驗分布函數；

根據所述先驗分布函數、所述訓練樣本數據和貝葉斯定理，得到商品價格預測分布函數模型；

將新的待預測輸入參數數據輸入所述商品價格預測分布函數模型，計算所述商品價格預測分布函數模型的輸出結果，作為所述新的待預測輸入參數數據對應的商品預測價格。

2.根據權利要求1所述的方法，其特征在于，所述基于預設輸入輸出關系函數模型，確定所述預設輸入輸出關系函數模型中每個參數的先驗分布函數，具體包括：

所述預設輸入輸出關系函數模型為：

t＝f(x)+ε；其中，

其中，A_i^Tx+b_i表示對輸入特征向量進行一個線性變換，A_i為內權參數，b_i為偏置參數，β_i為外權參數，m表示隱層結點的個數，而G表示非線性的激活函數，ε表示高斯白噪聲；

其中，ε的先驗分布函數為均值為0，方差為σ²的高斯分布函數；

內權參數{A_i,j:i＝1,…,m；j＝1,…,p}的先驗分布函數設為：

偏置參數{b_i:i＝1,…,m}先驗分布函數設為：

p(b_i)＝N(b_i|κ₁,κ₂),i＝1,…,m.；

外權參數的先驗分布函數設為：

p(β)＝N(β|0,γ^-1I).

超參數{σ²,γ}的先驗分布函數設為：

p(γ)＝gamma(γ|α₁,α₂)

p(σ²)＝Gamma(σ²|α₃,α₄)；

其中，μ_i,j,η_i,jκ₁,κ₂,α₁,α₂,α₃,α₄為常數。

3.根據權利要求2所述的方法，其特征在于，所述非線性的激活函數包括：sigmoid函數、徑向基函數及雙曲正切函數中的一種。

4.根據權利要求1所述的方法，其特征在于，所述根據所述先驗分布函數、所述訓練樣本數據和貝葉斯定理，得到商品價格預測分布函數模型，具體包括：

將所述訓練樣本數據帶入所述先驗分布函數中，利用貝葉斯公式計算參數變量z＝{β,A,b,γ,σ²}的后驗分布，得到以下算式：

其中，聯合分布p(D,z)＝p(t|X,β,σ²,A,b)p(β|γ)p(γ)p(A)p(b)；

通過最大化明顯下界ELBO尋找p(z|D)的變分逼近分布q(z|θ)，其中ELBO定義為：L(θ)＝E_qθ(z)[logp(z|D)]-E_qθ(z)[logq(z|θ)]；

利用得到的逼近分布q(z|θ)計算得到所述商品價格預測分布函數模型：

p(t|D,z,x)＝E_q(z|θ)[p(t|x，z)]；

其中，D是所述訓練樣本數據，z是所述參數變量，x是新的輸入參數數據。