一种商品分类管理方法与流程

本发明涉及商品管理方法技术领域。

背景技术

对于大规模制造型企业，商品存储过程中的管理环节都是商品销售前的必备环节。

目前大多数企业关于存储过程中的商品管理方法都较为普通单一，最常规的方法就是按照各个商品的不同，对商品的存放量进行管理记录，查看的时候也只能每次输入对应的商品信息进行相应商品存储记录的查询，效率极其低下。

技术实现要素：

本发明要解决的技术问题是：提供一种基于随机森林模型的商品分类管理方法。

本发明解决其技术问题的解决方案是：

一种商品分类管理方法，包括以下步骤：

步骤1，在数据库中为每个商品开辟一个存储空间，每个商品的存储空间存储有该商品的商品信息以及存放量；

步骤2，以所有的商品作为数据样本，建立并训练随机森林模型，所述随机森林模型包括若干个类别层，每个类别层包括数量不等的种类节点；

步骤3，输入需要待查询商品及其商品信息，输出该商品对应的存放量；

步骤4，将所有商品输入到随机森林模型中，依据待查询商品的商品信息，计算其他商品与待查询商品的相似度，以相似度的高低对其他商品进行排序，得到相似度序列；

步骤5，输出与待查询商品相对应的相似度序列前若干个商品及其存放量。

作为上述技术方案的进一步改进，所述步骤2具体包括以下步骤：

步骤2.1，以所有商品信息作为数据样本，从所有数据样本中以重抽样方法有放回地抽取n个样本容量一致的数据样本，作为训练决策树的训练样本；

步骤2.2，从其中一个训练样本中以随机的方式抽取m个特征变量；

步骤2.3，在决策树的种类节点处，按照基尼不纯度最小原则从m个特征变量中选取一个分类效果最好的特征xi，将该种类节点分为两个分支，所述基尼不纯度原则为其中p(i)表示每一类占总类数的比例；

步骤2.4，对决策树的每个种类节点重复上述步骤2.3所示的操作，直到所述决策树能够准确分类训练样本或者决策树中每个种类节点的基尼不纯度达到最小；

步骤2.5，选取下一个训练样本，重复步骤2.2至步骤2.4，直到所有抽取训练样本所对应的决策树构建完毕；

步骤2.6，所述n个训练样本所构建出来的决策树共同组成随机森林模型，所述随机森林模型构建完毕。

作为上述技术方案的进一步改进，所述步骤4具体包括以下步骤：

步骤4.1，以各个商品的商品信息为数据，将各个商品分别输入到随机森林模型中进行拟合；

步骤4.2，记录各个商品在随机森林模型拟合过程中，需要匹配的各个种类节点，得到各个商品所对应的匹配节点组合；

步骤4.3，以待查询商品的匹配节点组合作为依据，计算其他商品的匹配节点组合与待查询商品的匹配节点组合的相似度；

步骤4.4，以匹配节点组合的相似度的高低对除待查询商品以外的其他商品进行排序，得到相似度序列；

其中步骤4.4中，如果出现若干个相似度相同的商品，则进一步获取各个商品的访问频率，以访问频率的高低对相似度相同的商品进行排序。

本发明的有益效果是：本发明在查询过程中，通过随机森林模型对各个商品进行相似度的计算，获取待查询商品与其他商品之间的相似度，并以相似度的高低对商品进行排序，得到相似度序列，最后输出待查询商品和存放量，以及与待查询商品相应的相似度高的若干个商品和存放量，查询效率高。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。

图1是本发明的方法流程图。

具体实施方式

以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，文中所提到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。

参照图1，本发明创造公开了一种商品分类管理方法，包括以下步骤：

步骤1，在数据库中为每个商品开辟一个存储空间，每个商品的存储空间存储有该商品的商品信息以及存放量；

步骤2，以所有的商品作为数据样本，建立并训练随机森林模型，所述随机森林模型包括若干个类别层，每个类别层包括数量不等的种类节点；

步骤3，输入需要待查询商品及其商品信息，输出该商品对应的存放量；

步骤4，将所有商品输入到随机森林模型中，依据待查询商品的商品信息，计算其他商品与待查询商品的相似度，以相似度的高低对其他商品进行排序，得到相似度序列；

步骤5，输出与待查询商品相对应的相似度序列前若干个商品及其存放量。

具体地，本发明在查询过程中，通过随机森林模型对各个商品进行相似度的计算，获取待查询商品与其他商品之间的相似度，并以相似度的高低对商品进行排序，得到相似度序列，最后输出待查询商品和存放量，以及与待查询商品相应的相似度高的若干个商品和存放量，查询效率高。

进一步作为优选的实施方式，本发明创造具体实施方式中，所述步骤2具体包括以下步骤：

步骤2.1，以所有商品信息作为数据样本，从所有数据样本中以重抽样方法有放回地抽取n个样本容量一致的数据样本，作为训练决策树的训练样本；

步骤2.2，从其中一个训练样本中以随机的方式抽取m个特征变量；

步骤2.3，在决策树的种类节点处，按照基尼不纯度最小原则从m个特征变量中选取一个分类效果最好的特征xi，将该种类节点分为两个分支，所述基尼不纯度原则为其中p(i)表示每一类占总类数的比例；

步骤2.4，对决策树的每个种类节点重复上述步骤2.3所示的操作，直到所述决策树能够准确分类训练样本或者决策树中每个种类节点的基尼不纯度达到最小；

步骤2.5，选取下一个训练样本，重复步骤2.2至步骤2.4，直到所有抽取训练样本所对应的决策树构建完毕；

步骤2.6，所述n个训练样本所构建出来的决策树共同组成随机森林模型，所述随机森林模型构建完毕。

进一步作为优选的实施方式，本发明创造具体实施方式中，所述步骤4具体包括以下步骤：

步骤4.1，以各个商品的商品信息为数据，将各个商品分别输入到随机森林模型中进行拟合；

步骤4.2，记录各个商品在随机森林模型拟合过程中，需要匹配的各个种类节点，得到各个商品所对应的匹配节点组合；

步骤4.3，以待查询商品的匹配节点组合作为依据，计算其他商品的匹配节点组合与待查询商品的匹配节点组合的相似度；

步骤4.4，以匹配节点组合的相似度的高低对除待查询商品以外的其他商品进行排序，得到相似度序列；

其中步骤4.4中，如果出现若干个相似度相同的商品，则进一步获取各个商品的访问频率，以访问频率的高低对相似度相同的商品进行排序。

以上对本发明的较佳实施方式进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变型或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。