本申请涉及数据分析，尤其涉及一种基于相关熵流形正则的电子商务销量预测系统及方法。
背景技术：
1、随着互联网技术的发展和普及，发展电子商务(以下简称“电商”)是我国企业适应时代要求的重要举措。而数据分析在电商活动的整个过程中承担着重要的角色，包括促销活动中跟踪活动效果并反馈业务及时调整，活动后期进行复盘总结等。
2、建立在统计学的vc维(vapnik chervonenks dimension)理论和结构风险最小化原则基础上的支持向量回归机(support vector regression，svr)，可应用于模式识别和回归分析。而后，yoo和kim在svr基础上提出了拉普拉斯支持向量机(laplacian svm，lapsvr)。lapsvr通过向svr中引入流形正则项，将有标签样本和无标签样本联系起来，从而实现了半监督回归。但lapsvr未考虑数据中含有噪声的情况，这可能导致算法的鲁棒性较差。另外，lapsvr需要在训练前预定义的邻接矩阵，并在整个学习过程中保持不变，这会使得该算法不能充分挖掘数据中的分布信息，而具有较差的泛化性。
3、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、鉴于现有技术的上述缺点、不足，本发明提供一种基于相关熵流形正则的电子商务销量预测系统及方法，以克服现有技术中在数据中含有噪声导致算法鲁棒性较差以及算法不能充分挖掘数据中的分布信息，泛化性较差的问题。
2、本发明至少包括以下几个方面：
3、第一方面，本发明提供了一种基于相关熵流形正则的电子商务销量预测系统，包括：数据预处理模块、数据训练模块和数据预测模块，其中：
4、所述数据预处理模块用于，对采集的样本集进行随机取样，得到训练样本集和测试样本集，并将所述训练样本集和所述测试样本集中的数据进行归一化处理；所述样本集为任一电商平台上的浏览量和销售量数据；
5、所述数据训练模块用于，构建参数优化模型，并对所述参数优化模型进行训练，以求解得到目标优化参数值，根据所述目标优化参数值构建判别模型；
6、所述数据预测模块用于，将所述测试样本集输入至所述判别模型，得到对电商平台数据的下单成交转化率环比的预测值。
7、在本发明的一个实施例中，所述数据预处理模块还用于，将所述训练样本集中的样本通过随机抽取分为有标签样本和无标签样本，以进行数据半监督学习。
8、在本发明的一个实施例中，所述数据训练模块中的参数优化模型为下式：
9、
10、其中，σ>0为核参数，c1、c2、γi(i＝1,…,n)为正则化项，γi的值通过求解优化问题自动设置，w和b为目标优化参数值，ξ为松弛变量，gij表示图邻接矩阵g的第i行第j列，x为训练样本，wt表示w的转置，l表示有标签样本的数量。
11、在本发明的一个实施例中，构建参数优化模型，并对所述参数优化模型进行训练，以求解得到目标优化参数值，包括：
12、基于所述训练样本集对所述参数优化模型进行训练，直至达到模型收敛条件则完成训练。
13、在本发明的一个实施例中，所述判别模型具体为下式：
14、f(x)＝wtx+b；
15、其中，f(x)的值即为对该电商平台数据x的销售数据的预测值，w和b为目标优化参数值，wt表示w的转置。
16、在本发明的一个实施例中，所述参数优化模型的中的损失函数为相关熵诱导损失函数。
17、第二方面，本发明提供了一种基于相关熵流形正则的电子商务销量预测方法，应用于上述实施例中任一项所述的基于相关熵流形正则的电子商务销量预测系统，其特征在于，包括：
18、对采集的样本集进行随机取样，得到训练样本集和测试样本集，并将所述训练样本集和所述测试样本集中的数据进行归一化处理；所述样本集为任一电商平台的浏览量和销售量数据；
19、构建参数优化模型，并对所述参数优化模型进行训练，以求解得到目标优化参数值，根据所述目标优化参数值构建判别模型；
20、将待预测电商平台数据输入至所述判别模型，得到对所述待预测电商平台数据的下单成交转化率环比的预测值。
21、在本发明的一个实施例中，所述判别模型具体为下式：
22、f(x)＝wtx+b；
23、其中，f(x)的值即为对该电商平台数据x的销售数据的预测值，w和b为目标优化参数值，wt表示w的转置。
24、第三方面，本发明提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如上述实施例中任一所述方法的步骤。
25、第三方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述实施例中任一所述方法的步骤。
26、本发明的上述技术方案相比现有技术具有以下优点：
27、本发明所述的一基于相关熵流形正则的电子商务销量预测系统及方法，其使用了一种新的流形正则技术——相关熵诱导流形正则，使得本发明具有较好的鲁棒性。同时，本发明也创新地使用了一种基于相关熵度量的自适应图构造技术，该技术不仅可以在模型训练过程中，自适应地学习邻接矩阵；同时也可以进一步增强模型的鲁棒性。该系统针对含有标签噪音问题的样本，提高分类器对异常点的稳定性和泛化性。
1.一种基于相关熵流形正则的电子商务销量预测系统，其特征在于，包括：数据预处理模块、数据训练模块和数据预测模块，其中：
2.根据权利要求1所述的基于相关熵流形正则的电子商务销量预测系统，其特征在于，所述数据预处理模块还用于，将所述训练样本集中的样本通过随机抽取分为有标签样本和无标签样本，以进行数据半监督学习。
3.根据权利要求1所述的基于相关熵流形正则的电子商务销量预测系统，其特征在于，所述数据训练模块中的参数优化模型为下式：
4.根据权利要求1所述的基于相关熵流形正则的电子商务销量预测系统，其特征在于，构建参数优化模型，并对所述参数优化模型进行训练，以求解得到目标优化参数值，包括：
5.根据权利要求1所述的基于相关熵流形正则的电子商务销量预测系统，其特征在于，所述判别模型具体为下式：
6.根据权利要求1所述的基于相关熵流形正则的电子商务销量预测系统，其特征在于，所述参数优化模型的中的损失函数为相关熵诱导损失函数。
7.一种基于相关熵流形正则的电子商务销量预测方法，应用于权利要求1-6任一项所述的基于相关熵流形正则的电子商务销量预测系统，其特征在于，包括：
8.根据权利要求7所述的基于相关熵流形正则的电子商务销量预测方法，其特征在于，所述判别模型具体为下式：
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求7至8任一所述方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求7至8任一所述方法的步骤。
