CN110807687A - 对象数据处理方法、装置、计算设备和介质 - Google Patents

Abstract

本发明的实施方式提供了一种对象数据处理方法。该方法包括：针对多个对象中的每一个对象，获取对象的多个第一参数和多个第二参数，其中，第一参数为相互之间独立的对象参数，第二参数为与目标销售数据具有非线性关系的对象参数；根据第一算法，确定多个第一参数中的每个第一参数与目标销售数据之间的第一相关系数；根据第二算法，确定多个第二参数中的每个第二参数与目标销售数据之间的第二相关系数；根据与多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定每个对象的评分；以及根据每个对象的评分，确定与每个对象对应的展示时段。此外，本发明的实施方式提供了一种对象数据处理装置、计算设备和介质。

Description

对象数据处理方法、装置、计算设备和介质

技术领域

本发明的实施方式涉及计算机技术领域，更具体地，本发明的实施方式涉及对象数据处理方法、装置、计算设备和介质。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

电子商城平台为了推销商品，在一天之内设置有多个促销时段，在这些促销时段内，电子商城平台会在平台展示位上向用户展示参与促销的商品，以达到促进销售的作用。

目前，主要是通过运营人员的经验来确定在各促销时段参与促销的商品(即商品排期)。但是，通过运营人员的经验来确定商品排期会消耗比较大的人力成本。另外，由于人的能力有限，仅靠人的经验，难以得到最优化商品排期方案，从而难以实现最大化限时购收益。

发明内容

为此，非常需要一种改进的对象数据处理方法，以使确定与商品对应的展示时段。

在本上下文中，本发明的实施方式期望提供一种对象数据处理方法、装置、计算设备和介质。

在本发明实施方式的第一方面中，提供了一种对象数据处理方法，包括：针对多个对象中的每一个对象，获取对象的多个第一参数和多个第二参数，其中，第一参数为相互之间独立的对象参数，第二参数为与目标销售数据具有非线性关系的对象参数；根据第一算法，确定多个第一参数中的每个第一参数与目标销售数据之间的第一相关系数；根据第二算法，确定多个第二参数中的每个第二参数与目标销售数据之间的第二相关系数；根据与多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定每个对象的评分；以及根据每个对象的评分，确定与每个对象对应的展示时段。

在本发明的一个实施例中，该根据第一算法，确定多个第一参数中的每个第一参数与目标销售数据之间的第一相关系数包括：获取多个第一参数的重要度排序结果和多个第一参数两两之间的重要度比较结果；以及通过将重要度排序结果和重要度比较结果输入层次结构计算模型，确定每一个第一参数与目标销售数据之间的第一相关系数。

在本发明的另一实施例中，该根据第二算法，确定多个第二参数中的每个第二参数与目标销售数据之间的第二相关系数包括：针对多个第二参数中的每一个第二参数，计算第二参数与目标销售数据之间的皮尔逊相关系数，作为第二参数与所述目标销售数据之间的第二相关系数。

在本发明的又一个实施例中，该根据与多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定每个对象的评分包括：针对多个对象中的每一个对象，将对象的每个第一参数与第一参数对应的第一相关系数的乘积加上对象的每个第二参数与第二参数对应的第二相关系数的乘积，得到对象的评分。

在本发明的再一个实施例中，该根据每个对象的评分，确定与每个对象对应的展示时段包括：获取多个展示时段和多个展示时段中每一个展示时段所对应的对象展示空间；确定多个展示时段中每一个展示时段的优先级；根据每个对象的评分，对多个对象进行排序，得到对象序列；以及重复执行以下操作，直到对象序列为空：确定对象序列中排在首位的对象，作为目标对象；根据展示时段的优先级和展示时段所对应的对象展示空间，确定目标对象所对应的展示时段；以及从对象序列中删除目标对象，并相应调整对象序列中各对象的顺序。

在本发明的再一个实施例中，该方法还包括：判断对象是否满足约束条件；以及若对象满足约束条件，则在与对象对应的展示时段展示对象。

在本发明的再一个实施例中，该对象包括商品；该约束条件包括商品疲劳度超过阈值、商品品牌排斥、商品成分排斥、商品促销方式排斥中的至少一种。

在本发明实施方式的第二方面中，提供了一种对象数据处理装置，包括：第一获取模块，用于针对多个对象中的每一个对象，获取对象的多个第一参数和多个第二参数，其中，第一参数为相互之间独立的对象参数，第二参数为与目标销售数据具有非线性关系的对象参数；第一确定模块，用于根据第一算法，确定多个第一参数中的每个第一参数与目标销售数据之间的第一相关系数；第二确定模块，用于根据第二算法，确定多个第二参数中的每个第二参数与目标销售数据之间的第二相关系数；评分模块，用于根据与多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定每个对象的评分；以及第三确定模块，用于根据每个对象的评分，确定与每个对象对应的展示时段。

在本发明的另一实施例中，该第一确定模块包括：第二获取子模块，用于获取多个第一参数的重要度排序结果和多个第一参数两两之间的重要度比较结果；以及第一计算子模块，用于通过将重要度排序结果和所述重要度比较结果输入层次结构计算模型，确定每一个第一参数与目标销售数据之间的第一相关系数。

在本发明的另一实施例中，该第二确定模块包括：第二计算子模块，用于针对多个第二参数中的每一个第二参数，计算第二参数与目标销售数据之间的皮尔逊相关系数，作为第二参数与所述目标销售数据之间的第二相关系数。

在本发明的再一实施例中，该评分模块包括：得到子模块，用于针对多个对象中的每一个对象，将对象的每个第一参数与第一参数对应的第一相关系数的乘积加上对象的每个第二参数与第二参数对应的第二相关系数的乘积，得到对象的评分。

在本发明的再一实施例中，该第三确定模块包括：第三获取子模块，用于获取多个展示时段和多个展示时段中每一个展示时段所对应的对象展示空间；第四确定子模块，用于确定多个展示时段中每一个展示时段的优先级；排序子模块，用于根据每个对象的评分，对多个对象进行排序，得到对象序列；以及重复子模块，用于重复执行以下操作，直到对象序列为空：确定对象序列中排在首位的对象，作为目标对象；根据展示时段的优先级和展示时段所对应的对象展示空间，确定目标对象所对应的展示时段；以及从对象序列中删除目标对象，并相应调整对象序列中各对象的顺序。

在本发明的再一实施例中，该装置，还包括：判断模块，用于判断对象是否满足约束条件；以及展示模块，用于在对象满足约束条件的情况下，在与对象对应的展示时段展示对象。

在本发明的再一实施例中，该对象包括商品；该约束条件包括商品疲劳度超过阈值、商品品牌排斥、商品成分排斥、商品促销方式排斥中的至少一种。

在本发明实施方式的第三方面中，提供了一种计算设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如本发明实施例所示的方法。

在本发明实施方式的第四方面中，提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现如本发明实施例所示的方法。

根据本发明实施方式的对象数据处理方法和装置，根据第一算法，确定多个第一参数中的每个第一参数与目标销售数据之间的第一相关系数，根据第二算法，确定多个第二参数中的每个第二参数与目标销售数据之间的第二相关系数，根据与多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定每个对象的评分，以及根据每个对象的评分，确定与每个对象对应的展示时段，可以确定较优的商品排期方案，而无需人工决策，从而显著地降低了人力成本，为用户带来了更好的体验。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1示意性示出了根据本公开实施例的可以应用对象数据处理方法的示例性***架构；

图2A示意性地示出了根据本发明实施例的对象数据处理方法的示例流程图；

图2B示意性示出了根据第一算法，确定多个第一参数中的每个第一参数与目标销售数据之间的第一相关系数的示例流程图；

图2C示意性示出了根据每个对象的评分，确定与每个对象对应的展示时段的示例流程图；

图2D示意性示出了根据展示时段的优先级和展示时段所对应的对象展示空间，确定目标对象所对应的展示时段的示例流程图；

图3示意性使出了层次结构模型结构的示意图。

图4示意性示出了根据本发明另一实施例的对象数据处理方法的流程图；

图5A示意性示出了根据本公开的实施例的对象数据处理装置的框图；

图5B示意性示出了根据本公开的实施例的第一确定模块的示例性框图；

图5C示意性示出了根据本公开的实施例的第二确定模块的示例性框图；

图5D示意性示出了根据本公开的实施例的评分模块的示例性框图；

图5E示意性示出了根据本公开的实施例的第三确定模块的示例性框图；

图6示意性示出了根据本公开另一实施例的对象数据处理装置的框图；

图7示意性示出了根据本公开的实施例的计算机可读存储介质的示意图；

图8示意性示出了根据本公开的实施例的计算设备的示意图。

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本领域技术人员知道，本发明的实施方式可以实现为一种***、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

根据本发明的实施方式，提出了一种对象数据处理方法、计算设备、装置和介质。

在本文中，需要理解的是，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。

下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。

发明概述

本发明人发现，电子商城平台在为各个促销时段选择要展示的商品时，往往会参考商品等级，销量，UV，库存，库存天期等多种因素，这些因素的重要程度不同，需要综合参考这些因素得到最优选品方案。这个过程非常符合层次分析法(Analytic HierarchyProcess，简称AHP)的思路。

层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备择方案的顺序分解为不同的层次结构，然后用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再以加权和的方法递阶归并各备择方案对总目标的最终权重，最终权重最大的备择方案即为最优方案。层次分析法比较适合于具有多评价指标的目标***，而且每个指标对目标影响权重不一样的决策问题

通过利用商品的历史数据以及结合运营选品经验，我们可以建立AHP层次算法选品模型，保证算法在学习历史数据的同时，充分学习运营的选品逻辑。根据AHP层次算法选品模型计算每个商品的得分，然后根据得分针对不同促销时段进行选品。

但是层次分析法含有一定的运营经验主观成分。为了减少主观成分的影响，更准确地反映参数的重要程度，可以使用皮尔逊相关系数来表示部分相互之间独立的参数的重要程度。

皮尔逊相关是英国统计学家皮尔逊于20世纪提出的一种计算直线相关的方法。在统计学中，又称皮尔逊积矩相关系数(Pearson product-moment correlationcoefficient，简称PPMCC或PCCs)，用于度量两个变量X和Y之间的相关(线性相关)程度，其值介于-1与1之间。

当两个变量的标准差都不为零时，皮尔逊相关系数才有定义。皮尔逊相关系数适用于：

(1)、两个变量之间是线性关系，都是连续数据。

(2)、两个变量的总体是正态分布，或接近正态的单峰分布。

(3)、两个变量的观测值是成对的，每对观测值之间相互独立。

根据本发明的实施例，皮尔逊相关系数和层次分析法的结合策略如下：对于商品等级、是否当季、商品末级类目是否互斥等相互独立的参数，使用皮尔逊相关系数计算其重要程度，其余参数的重要程度用层次分析法来确定。

在介绍了本发明的基本原理之后，下面具体介绍本发明的各种非限制性实施方式。

应用场景总览

首先参考图1，图1示意性示出了根据本公开实施例的可以应用对象数据处理方法的示例性***架构100。需要注意的是，图1所示仅为可以应用本公开实施例的***架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、***、环境或场景。

如图1所示，根据该实施例的***架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以访问电子商城平台或通过电子商城平台进行交易等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是对用户利用终端设备101、102、103所浏览的电子商城平台提供支持的后台管理服务器。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的对象数据处理方法一般可以由服务器105执行。相应地，本公开实施例所提供的对象数据处理装置一般可以设置于服务器105中。本公开实施例所提供的对象数据处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的对象数据处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

示例性方法

下面结合图1的应用场景，参考图2A来描述根据本发明示例性实施方式的对象数据处理方法。需要注意的是，上述应用场景仅是为了便于理解本发明的精神和原理而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。

该方法包括操作S210～S250。

在操作S210，针对多个对象中的每一个对象，获取对象的多个第一参数和多个第二参数。

根据本发明的实施例，第一参数与第二参数例如可以为对目标销售数据具有潜在影响的对象参数。第一参数与第二参数的区别在于第一参数为相互之间独立的对象参数，第二参数为与目标销售数据具有非线性关系的对象参数。

根据本发明的实施例，对象例如可以为商品，第一参数例如可以包括：商品品牌、商品叶子类目、商品库存、商品库存天期、商品销售额、商品销量、商品曝光UV、商品点击UV、商品成交UV等参数，第二参数例如可以包括商品等级、商品是否当季、商品末级类目是否互斥等参数。

其中，商品叶子类目：指商品所属类目标签中的末级类目标签；商品库存：指商品所拥有的库存量；商品库存天期：指商品将库存中所有存量销售完成需要的时间；商品曝光UV：UV即User View，这里即商品页面浏览人数；商品点击UV：这里即商品页面点击人数；商品成交UV：即该商品购买人数。

根据本发明的实施例，可以通过对电子商城平台的历史交易数据进行分析，得到商品的第一参数和第二参数。

在操作S220，根据第一算法，确定多个第一参数中的每个第一参数与目标销售数据之间的第一相关系数。

根据本发明的实施例，第一算法例如可以为层次分析法。目标销售数据为计划实现的销售目标，例如计划实现的日销售量、月销售量、日浏览量、月浏览量等等。

图2B示意性示出了根据第一算法，确定多个第一参数中的每个第一参数与目标销售数据之间的第一相关系数的示例流程图。

如图2B所示，该操作S220例如可以包括操作S221～S222。

在操作S221，获取多个第一参数的重要度排序结果和多个第一参数两两之间的重要度比较结果。

根据本发明的实施例，首先根据第一参数相对于目标销售数据的重要度对第一参数进行排序，得到重要度排序结果。然后将第一参数的重要度进行两两比较，确定第一参数两两之间的重要度比较结果。示例性地，可以基于历史数据依次统计所有第一参数对于场次销售额提升的影响系数大小，作为第一参数的重要度，然后进行重要度排序和重要度两两比较，从而得到重要度排序结果和重要度比较结果。

在操作S222，通过将重要度排序结果和重要度比较结果输入层次结构计算模型，确定每一个第一参数与目标销售数据之间的第一相关系数。

根据本发明的实施例，将操作S221中得到的重要度排序结果和重要度比较结果输入层次结构计算模型，计算每个第一参数所对应的权重，即第一相关系数。其中，根据层次结构计算模型计算的具体步骤如下：

1.建立层次结构模型。一种层次结构模型结构示例如图3所示，其中，“限时购选品”是指为限时购栏目选择要展示的商品，准则层只举例了三种特征示意，可以理解的是，图3中的目标层、准则层和方案层仅为示例，本申请对层次结构模型的具体结构不做具体的限定。

2.根据重要度排序结果和重要度比较结果，构造判断矩阵。

3.进行层次单排序，即计算判断矩阵的最大特征根的特征向量，并将该特征向量归一化。该特征向量的元素为同一层次元素对于上一层因素某因素相对重要性的排序权值。然后进行一致性检验。

4.进行层次总排序，即从最高层次到最低层次依次计算每一层次所有因素对于最高层(总目标)相对重要性的权值，并进行一致性检验。

在操作S230，根据第二算法，确定多个第二参数中的每个第二参数与目标销售数据之间的第二相关系数。

根据本发明的实施例，第二算法例如可以为皮尔逊相关系数计算方法。操作S230例如可以包括，针对多个第二参数中的每一个第二参数，计算第二参数与所述目标销售数据之间的皮尔逊相关系数，作为第二参数与所述目标销售数据之间的第二相关系数。

例如，假设有两个变量X、Y，那么两变量间的皮尔逊相关系数可通过以下公式计算：

即X、Y间的皮尔逊相关系数等于X、Y之间的协方差和标准差的商。其中，Y代表目标销售数据，例如日销售额等，X为第二参数，比如商品等级，商品库存等。

在操作S240，根据与多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定每个对象的评分。

根据本发明的实施例，操作S240例如可以包括针对多个对象中的每一个对象，将对象的每个第一参数与第一参数对应的第一相关系数的乘积加上对象的每个第二参数与第二参数对应的第二相关系数的乘积，得到该对象的评分。

例如，第一参数和第一相关系数如表1所示，第二参数和第二相关系数如表2所示。

表1

第一参数	第一相关系数
		商品前台可售库存(归一化)	0.0177
全站近7日均UV(归一化)	0.0377
		全站近7日均销售额(归一化)	0.0399
全站近7日均销量(归一化)	0.042

表2

第二参数	第二相关系数
		商品等级	0.0685
是否为当前季节商品	0.042
		商品末级类目是否互斥	0.028

则该商品的评分Score＝0.0685*商品等级+0.042*是否为当前季节商品+0.028*商品末级类目是否互斥+0.0177*商品前台可售库存+0.0377*全站近7日均UV+0.0399*全站近7日均销售额+0.042*全站近7日均销量。其中，“是否为当前季节商品”取值为0或1，若商品属于当前季节商品，则取值为1，否则为0；“商品末级类目是否互斥”取值为0或1，若商品末级类目互斥，则取值为1，否则为0。

在操作S250，根据每个对象的评分，确定与每个对象对应的展示时段。

图2C示意性示出了根据每个对象的评分，确定与每个对象对应的展示时段的示例流程图。

如图2C所示，该操作S250例如可以包括S251～S256。

在操作S251，获取多个展示时段和多个展示时段中每一个展示时段所对应的对象展示空间。

根据本发明的实施例，展示时段为用于展示对象的档期，例如商品的促销期，对象展示空间例如可以为商品展示栏。通过在促销期内在特定展示空间上展示特定商品，以达到促销的目的。

在操作S252，确定多个展示时段中每一个展示时段的优先级。

根据本发明的实施例，展示时段的优先级例如可以根据该展示时段的流量占比来确定，流量占比越高，则优先级越高。在本发明的另一些实施例中，展示时段的优先级也可以根据该展示时段的销售额或者访问量来确定，本发明对此不做具体地限定。

在操作S253，根据每个对象的评分，对多个对象进行排序，得到对象序列。

根据本发明的实施例，操作S253例如可以包括根据评分由大到小的顺序，对所有对象进行排序，得到对象序列。

接下来，重复执行操作S254～S256，直到对象序列为空。

在操作S254，确定对象序列中排在首位的对象，作为目标对象。

在操作S255，根据展示时段的优先级和展示时段所对应的对象展示空间，确定目标对象所对应的展示时段。

图2D示意性示出了根据展示时段的优先级和展示时段所对应的对象展示空间，确定目标对象所对应的展示时段的示例流程图。

如图2D所示，操作S255例如可以包括操作S2551～S2554。

在操作S2551，以展示时段的优先级由大到小的顺序，先选择出优先级最大的展示时段。

在操作S2552，判断所选择的展示时段的对象展示空间是否已满。若该展示时段的对象展示空间未满，则执行操作S2554。若该展示时段的对象展示空间已满，则执行操作S2553。

在操作S2553，判断该展示时段是否为最后一位展示时段，若该展示时段是最后一位展示时段，则跳转执行操作S2551，否则选择该展示时段后一位的展示时段，跳转执行操作S2552。

在操作S2554，运行随机函数，根据随机函数的结果确定目标对象是否分配至该展示时段。随机函数的结果为1或0两种，每种出现的概率均为50％。若随机函数的结果为1，则将目标对象分配给该展示时段。若随机函数的结果为0，则跳转执行操作S2553。

下面回到操作S256，从对象序列中删除目标对象，并相应调整对象序列中各对象的顺序。

下面举例说明上述操作S251～S256。

本示例中，展示时段分为0点场(0点到1点)、10点场(10点到11点)、13点场(13点到14点)、17点场(17点到18点)、21点场(21点到22点)。

按不同展示时段的流量占比设定各展示时段的优先级，流量占比越高则优先级越高，从而得到各展示时段的优先级为10点场＞21点场＞17点场＞13点场＞0点场。

根据对象序列，根据评分由大到小依次分配相应的展示时段。首先选择评分最大的对象作为目标对象，判断10点场的对象展示空间是否已满。若10点场的对象展示空间未满，则运行随机函数，若得到的运行结果为1，则将目标对象分配至该展示时段，若运行结果为0，则再次判断21点场的对象展示空间是否已满，若21点场的对象展示空间是未满，则再次运行随机函数以确定是否将目标对象分配至21点场。以此类推，直到目标对象被分配到其中一个展示时段。其中，若目标对象在轮询了所有展示时段后，依然没有被分配，则回到10点场重新开始新一轮轮询。

根据本发明实施方式的对象数据处理方法和装置，根据第一算法，确定多个第一参数中的每个第一参数与目标销售数据之间的第一相关系数，根据第二算法，确定多个第二参数中的每个第二参数与目标销售数据之间的第二相关系数，根据与多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定每个对象的评分，以及根据每个对象的评分，确定与每个对象对应的展示时段，可以确定较优的商品排期方案，而无需人工决策，从而显著地降低了人力成本，为用户带来了更好的体验。

图4示意性示出了根据本发明另一实施例的对象数据处理方法的流程图。

根据本发明的实施例，对于对象分配展示时段，还可以加入一定的约束条件。基于此，该方法在操作S210～S250之外，还包括操作S410。

在操作S410，判断对象是否满足约束条件。若对象满足约束条件，则在与对象对应的展示时段展示对象。

根据本发明的实施例，约束条件例如可以包括商品疲劳度超过阈值、商品品牌排斥、商品成分排斥、商品促销方式排斥。

其中，商品疲劳度表征商品的重复频率。定义疲劳度的阈值为N，N为正整数。

若N＝1，则商品被入选展示时段后的当天，商品不得重复入选。若N＝2，则对于商品被入选展示时段的当天和N-1天内的所有展示时段不得再入选。若N＝3，则对于商品被入选展示时段的当天和N-1、N-2内的所有展示时段不得再入选。N为其他数值时同理。

根据本发明的实施例，N为可配参数，默认取N＝2。

需要说明的是，疲劳度以商品所对应的展示时段的结束时间为基准。例如商品X在展示时段ID2中出现，展示时段ID2的起止时间为6月1日10:00:00至6月2日9:59:59，若N＝2，则商品X在6月4日后才允许出现。

商品品牌排斥是指对于一个展示时段内，若同一品牌的已选商品数量已达到A，则剩余待选商品中同属该品牌的商品不再入选本展示时段，从而实现品牌打散的效果。其中，A为可配参数，示例性地，默认设置A＝2。

商品成分排斥是指对于一个展示时段内，若同一成份的已选商品数量已达到B，则剩余待选商品中同属该成份的商品不再入选本展示时段。其中，B为可配参数，示例性地，默认设置B＝1。

商品促销方式排斥是指对于一个展示时段内，若同属同一个末级类目的已选商品数量已达到C，则剩余待选商品中同属该属末级类目的商品不再入选本展示时段。其中，C为可配参数，示例性地，默认设置C＝1。

根据本发明另一实施例，展示时段会对应一种或多种促销类别，表示该展示时段内展示的商品均根据该促销类型进行销售，促销类别例如包括满减、折扣、买一送一等。但是并不一定所有的商品都适用展示时段的促销类别。因此，为排除这些不适用展示时段所对应的促销类别的商品，排斥条件还可以包括促销互斥。促销互斥指对于一个展示时段内，待选商品的促销类别与该展示时段的促销类型互斥，则跳过该商品，以使其不能入选本展示时段。本实施例中，以天为单位判断促销互斥，当日的0点作为开始时间，将当日最晚的展示时段结束的时间做为结束时间，对开始结束时间内有促销互斥的商品不入选当日展示时段中。

根据本发明实施方式的对象数据处理方法，通过设置排斥条件，可以排除不合规定的商品，避免其重复入选商品排期方案，从而得到更为优的商品排期方案。

示例性装置

在介绍了本发明示例性实施方式的方法之后，接下来，参考图5A-5E对本发明示例性实施方式的对象数据处理装置做介绍。

图5A示意性示出了根据本公开的实施例的对象数据处理装置的框图。

如图5A所示，对象数据处理装置500例如可以第一获取模块510、第一确定模块520、第二确定模块530、评分模块540和第三确定模块550。

第一获取模块510，用于针对多个对象中的每一个对象，获取对象的多个第一参数和多个第二参数，其中，第一参数为相互之间独立的对象参数，第二参数为与目标销售数据具有非线性关系的对象参数。

第一确定模块520，用于根据第一算法，确定多个第一参数中的每个第一参数与目标销售数据之间的第一相关系数。

第二确定模块530，用于根据第二算法，确定多个第二参数中的每个第二参数与目标销售数据之间的第二相关系数。

评分模块540，用于根据与多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定每个对象的评分。

第三确定模块550，用于根据每个对象的评分，确定与每个对象对应的展示时段。

图5B示意性示出了根据本公开的实施例的第一确定模块的示例性框图。

如图5B所示，第一确定模块520例如可以包括：

第二获取子模块521，用于获取多个第一参数的重要度排序结果和多个第一参数两两之间的重要度比较结果。

第一计算子模块522，用于通过将重要度排序结果和所述重要度比较结果输入层次结构计算模型，确定每一个第一参数与目标销售数据之间的第一相关系数。

图5C示意性示出了根据本公开的实施例的第二确定模块的示例性框图。

如图5C所示，第二确定模块530例如可以包括：

第二计算子模块531，用于针对多个第二参数中的每一个第二参数，计算第二参数与目标销售数据之间的皮尔逊相关系数，作为第二参数与所述目标销售数据之间的第二相关系数。

图5D示意性示出了根据本公开的实施例的评分模块的示例性框图。

如图5D所示，评分模块540例如可以包括：

得到子模块541，用于针对多个对象中的每一个对象，将对象的每个第一参数与第一参数对应的第一相关系数的乘积加上对象的每个第二参数与第二参数对应的第二相关系数的乘积，得到对象的评分。

图5E示意性示出了根据本公开的实施例的第三确定模块的示例性框图。

如图5E所示，第三确定模块550例如可以包括：

第三获取子模块551，用于获取多个展示时段和多个展示时段中每一个展示时段所对应的对象展示空间。

第四确定子模块552，用于确定多个展示时段中每一个展示时段的优先级；排序子模块，用于根据每个对象的评分，对多个对象进行排序，得到对象序列。

重复子模块553，用于重复执行以下操作，直到对象序列为空：确定对象序列中排在首位的对象，作为目标对象；根据展示时段的优先级和展示时段所对应的对象展示空间，确定目标对象所对应的展示时段；以及从对象序列中删除目标对象，并相应调整对象序列中各对象的顺序。

图6示意性示出了根据本公开另一实施例的对象数据处理装置的框图。

如图6所示，除了第一获取模块510、第一确定模块520、第二确定模块530、评分模块540和第三确定模块550之外，对象数据处理装置600还可以包括：

判断模块610，用于判断对象是否满足约束条件。

展示模块620，用于在对象满足约束条件的情况下，在与对象对应的展示时段展示对象。

其中，该对象包括商品；该约束条件包括商品疲劳度超过阈值、商品品牌排斥、商品成分排斥、商品促销方式排斥中的至少一种。

根据本发明实施方式的对象数据处理装置，根据第一算法，确定多个第一参数中的每个第一参数与目标销售数据之间的第一相关系数，根据第二算法，确定多个第二参数中的每个第二参数与目标销售数据之间的第二相关系数，根据与多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定每个对象的评分，以及根据每个对象的评分，确定与每个对象对应的展示时段，可以确定较优的商品排期方案，而无需人工决策，从而显著地降低了人力成本，为用户带来了更好的体验。

示例性介质

在介绍了本发明示例性实施方式的装置之后，接下来，参考图7对本发明示例性实施方式的计算机可读存储介质。

在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在计算设备上运行时，所述程序代码用于使所述计算设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的对象数据处理方法中的步骤，例如，所述计算设备可以执行如图2A中所示的操作S210，针对多个对象中的每一个对象，获取对象的多个第一参数和多个第二参数；操作S220，根据第一算法，确定多个第一参数中的每个第一参数与目标销售数据之间的第一相关系数；操作S230，根据第二算法，确定多个第二参数中的每个第二参数与目标销售数据之间的第二相关系数；操作S240，根据与多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定每个对象的评分；以及操作S250，根据每个对象的评分，确定与每个对象对应的展示时段。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

如图7所示，描述了根据本发明的实施方式的用于图表的数据处理的程序产品70，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在计算设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆，RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言——诸如Java，C++等，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)一连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

示例性计算设备

在介绍了本发明示例性实施方式的方法、介质和装置之后，接下来，参考图8对本发明示例性实施方式的可以应用对象数据处理方法的计算设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为***、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。

在一些可能的实施方式中，根据本发明的计算设备可以至少包括至少一个处理单元、以及至少一个存储单元。其中，所述存储单元存储有程序代码，当所述程序代码被所述处理单元执行时，使得所述处理单元执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的对象数据处理方法中的步骤。例如，所述处理单元可以执行如图2A中所示的操作S210，针对多个对象中的每一个对象，获取对象的多个第一参数和多个第二参数；操作S220，根据第一算法，确定多个第一参数中的每个第一参数与目标销售数据之间的第一相关系数；操作S230，根据第二算法，确定多个第二参数中的每个第二参数与目标销售数据之间的第二相关系数；操作S240，根据与多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定每个对象的评分；以及操作S250，根据每个对象的评分，确定与每个对象对应的展示时段。

下面参照图8来描述根据本发明的这种实施方式的用于对象数据处理的计算设备80。如图8所示的计算设备80仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图8所示，计算设备80以通用计算设备的形式表现。计算设备80的组件可以包括但不限于：上述至少一个处理单元801、上述至少一个存储单元802、连接不同***组件(包括存储单元802和处理单元801)的总线803。

总线803表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、***总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。

存储单元802可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)8021和/或高速缓存存储器8022，还可以进一步包括只读存储器(ROM)8023。

存储单元802还可以包括具有一组(至少一个)程序模块8024的程序/实用工具8025，这样的程序模块8024包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

计算设备80也可以与一个或多个外部设备804(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与计算设备80交互的设备通信，和/或与使得计算设备80能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口805进行。并且，计算设备80还可以通过网络适配器806与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器806通过总线803与计算设备80的其它模块通信。应当明白，尽管图中未示出，可以结合计算设备80使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。

应当注意，尽管在上文详细描述中提及了对象数据处理装置的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (10)

1.一种对象数据处理方法，包括：

针对多个对象中的每一个对象，获取所述对象的多个第一参数和多个第二参数，其中，所述第一参数为相互之间独立的对象参数，所述第二参数为相互之间非独立的对象参数；

根据第一算法，确定所述多个第一参数中的每个第一参数与所述目标销售数据之间的第一相关系数；

根据第二算法，确定所述多个第二参数中的每个第二参数与所述目标销售数据之间的第二相关系数；

根据与所述多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定所述每个对象的评分；以及

根据所述每个对象的评分，确定与所述每个对象对应的展示时段。

2.根据权利要求1所述的方法，其中，所述根据第一算法，确定所述多个第一参数中的每个第一参数与所述目标销售数据之间的第一相关系数包括：

获取所述多个第一参数的重要度排序结果和所述多个第一参数两两之间的重要度比较结果；以及

通过将所述重要度排序结果和所述重要度比较结果输入层次结构计算模型，确定所述每一个第一参数与所述目标销售数据之间的第一相关系数。

3.根据权利要求1所述的方法，其中，所述根据第二算法，确定所述多个第二参数中的每个第二参数与所述目标销售数据之间的第二相关系数包括：

针对所述多个第二参数中的每一个第二参数，计算所述第二参数与所述目标销售数据之间的皮尔逊相关系数，作为所述第二参数与所述目标销售数据之间的第二相关系数。

4.根据权利要求1所述的方法，其中，所述根据与所述多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定所述每个对象的评分包括：

针对所述多个对象中的每一个对象，将所述对象的每个第一参数与所述第一参数对应的第一相关系数的乘积加上所述对象的每个第二参数与所述第二参数对应的第二相关系数的乘积，得到所述对象的评分。

5.根据权利要求1所述的方法，其中，所述根据所述每个对象的评分，确定与所述每个对象对应的展示时段包括：

获取多个展示时段和所述多个展示时段中每一个展示时段所对应的对象展示空间；

确定所述多个展示时段中每一个展示时段的优先级；

根据所述每个对象的评分，对所述多个对象进行排序，得到对象序列；以及

重复执行以下操作，直到所述对象序列为空：

确定对象序列中排在首位的对象，作为目标对象；

根据展示时段的优先级和展示时段所对应的对象展示空间，确定所述目标对象所对应的展示时段；以及

从所述对象序列中删除所述目标对象，并相应调整所述对象序列中各对象的顺序。

6.根据权利要求1至5中任一项所述的方法，还包括：

判断对象是否满足约束条件；以及

若所述对象满足约束条件，则在与所述对象对应的展示时段展示所述对象。

7.根据权利要求6所述的方法，其中，所述对象包括商品；所述约束条件包括商品疲劳度超过阈值、商品品牌排斥、商品成分排斥、商品促销方式排斥中的至少一种。

8.一种对象数据处理装置，包括：

第一获取模块，用于针对多个对象中的每一个对象，获取所述对象的多个第一参数和多个第二参数，其中，所述第一参数为相互之间独立的对象参数，所述第二参数为相互之间非独立的对象参数；

第一确定模块，用于根据第一算法，确定所述多个第一参数中的每个第一参数与所述目标销售数据之间的第一相关系数；

第二确定模块，用于根据第二算法，确定所述多个第二参数中的每个第二参数与所述目标销售数据之间的第二相关系数；

评分模块，用于根据与所述多个对象中的每个对象对应的所有第一相关系数和所有第二相关系数，确定所述每个对象的评分；以及

第三确定模块，用于根据所述每个对象的评分，确定与所述每个对象对应的展示时段。

9.一种计算设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任一项的方法。

10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现权利要求1至7中任一项的方法。

Images