一种基于贝叶斯网络的农贸市场日画像构建方法技术

本发明专利技术提供了一种基于贝叶斯网络的农贸市场日画像构建方法，包括步骤1、获取农贸市场数据库中农产品进货、交易和农残值检测数据，选取数据中每日的进货量、销售量、交易量、销售金额、菜品种类总数、不同菜品单价和农残检测结果作为特征变量；步骤2、对步骤1中的数据进行数据清洗和整理，删除数据中缺失特征变量个数大于3的数据，并对不在合理值范围的数据进行均值替换；步骤3、对清洗和整理完毕的数据进行特征量化；步骤4、对步骤1中选取的特征变量进行分析，根据分析结果构建农贸市场的贝叶斯网络拓扑结构；步骤5、根据步骤3中特征量化后的数据进行贝叶斯网络节点参数学习，形成农贸市场日画像。该方法能方便快捷建立农贸市场日画像。

【技术实现步骤摘要】
一种基于贝叶斯网络的农贸市场日画像构建方法
本专利技术涉及农贸市场特征评价领域，尤其涉及一种基于贝叶斯网络的农贸市场日画像构建方法。
技术介绍
随着城市化进程的加快，农贸市场的数量也在逐渐增多，其中部分农贸市场由于管理制度的不完善，导致销售的农产品物价过高、新鲜度差、存在农药残留等问题，农贸市场的整体环境被贴上各种负面标签，人们也逐渐丧失去“差”的农贸市场消费的欲望。其次，随着基于互联网产业的线上生鲜超市的兴起，农贸市场的购买力逐渐下降，方便快捷的线上生鲜超市成为越来越多人的选择，传统的农贸市场正面临巨大的挑战。为了对农贸市场的管理制度进行优化，提高农贸市场在人群中的可信赖度，需要对现有的各个农贸市场特征进行合理评价，建立相应的农贸市场日画像。农贸市场日画像的建立，不仅有利于满足消费者的购物需求，而且有利于改进农贸市场的管理模式，促进市场与群众构建紧密联系的社交网络，帮助政府建立新时期下的智慧农贸市场。
技术实现思路
鉴于上述问题，本专利技术的目的在于提供一种基于贝叶斯网络的农贸市场日画像构建方法，该方法能方便快速建本文档来自技高网...

【技术保护点】
1.一种基于贝叶斯网络的农贸市场日画像构建方法，其特征在于：所述方法包括，/n步骤1、获取农贸市场数据库中农产品进货、交易和农残值检测数据，选取数据中每日的进货量、销售量、交易量、销售金额、菜品种类总数、不同种类菜品单价和农残检测结果作为建模的特征变量；/n步骤2、对步骤1中的数据进行数据清洗和整理，删除数据中缺失特征变量个数大于3的数据，并对不在合理值范围的数据进行均值替换；/n步骤3、对清洗和整理完毕的数据进行特征量化；/n步骤4、对步骤1中选取的特征变量进行分析，根据分析结果构建农贸市场的贝叶斯网络拓扑结构；/n步骤5、根据步骤3中特征量化后的数据进行贝叶斯网络节点参数学习，形成农贸市场...

【技术特征摘要】
1.一种基于贝叶斯网络的农贸市场日画像构建方法，其特征在于：所述方法包括，
步骤1、获取农贸市场数据库中农产品进货、交易和农残值检测数据，选取数据中每日的进货量、销售量、交易量、销售金额、菜品种类总数、不同种类菜品单价和农残检测结果作为建模的特征变量；
步骤2、对步骤1中的数据进行数据清洗和整理，删除数据中缺失特征变量个数大于3的数据，并对不在合理值范围的数据进行均值替换；
步骤3、对清洗和整理完毕的数据进行特征量化；
步骤4、对步骤1中选取的特征变量进行分析，根据分析结果构建农贸市场的贝叶斯网络拓扑结构；
步骤5、根据步骤3中特征量化后的数据进行贝叶斯网络节点参数学习，形成农贸市场日画像。


2.根据权利要求1所述的一种基于贝叶斯网络的农贸市场日画像构建方法，其特征在于：按照如下步骤a1～a5获取所述特征变量，
步骤a1、形成农贸市场中农产品进货、交易和农残值检测数据库，从数据库中导出对应年份的数据；
步骤a2、从步骤a1中的农产品进货数据中收集农贸市场每日的进货量和菜品种类总数；
步骤a3，从步骤a1中的农产品交易数据中收集农贸市场每日的交易量、销售量、销售金额和不同种类菜品单价；
步骤a4，从步骤a1中的农产品农残值检测数据中收集农贸市场每日的农残检测结果；
步骤a5，汇总由步骤a2～a4的数据，以便后续的数据清洗和整理工作。


3.根据权利要求2所述的一种基于贝叶斯网络的农贸市场日画像构建方法，其特征在于：按照如下步骤b1～b4的方式进行所述的数据清洗和整理，
步骤b1，调取收集的农贸市场中每日的进货量、销售量、交易量、销售金额、菜品种类总数、不同种类菜品单价和农残检测结果数据；
步骤b2，删除缺失特征变量个数大于3的数据，而对缺失特征变量个数小于等于3的数据，将缺失部分采用标识符“S”代替；
步骤b3，设置各特征变量的合理值范围，并同样采用标识符“S”代替处于合理值范围之外的数据；
步骤b4，求解进货量、销售量、交易量、销售金额、菜品种类总数和不同种类菜品单价的各个均值，针对以上各特征变量中出现标识符“S”的部分，使用对应特征变量下的均值代替，同时，农残检测结果数据中出现标识符“S”的部分，使用数字0代替。


4.根据权利要求3所述的一种基于贝叶斯网络的农贸市场日画像构建方法，其特征在于：按照如下步骤c1～c4的方式进行所述的特征量化，
步骤c1，将经数据清洗和整理后的特征变量中的不同种类菜品单价转化成特征变量，即每日菜价水平，求出全年的蔬菜类菜品的菜品单价均值P0和肉菜类菜品的菜品单价均值P1，存在关系式



步骤c2，依次求出经数据清洗和整理后的特征变量中进货量、销售量、交易量、销售金额、菜品种类总数以及经步骤c1获取的特征变量每日菜价水平的最小值和最大值其中i＝1,2,3,4,5，6分别对应进货量、销售量、交易量、销售金额、菜品种类总数和每日菜价水平；
步骤c3，计算分段范围，其中，




表示第一段，该分段范围属于“低”量级，属于该范围的特征变量数值采用数值0代替；

表示第二段，该分段范围属于“中”量级，属于该范围的特征变量数值采用数值1代替；

表示第三段，该分段范围属于“高”量级，属于该范围的特征变量数值采用数值2代替；
步骤c4，对于经数据清洗和整理后的特征变量中的农残检测结果，分成两个范围段，数值大于0表示不安全范围，属于该范围的特征变量数值采用数值1代替，数值等于0表示安全范围，属于该范围的特征变量数值仍采用数值0代替。


5.根据权利要求4所述的一种基于贝叶斯网络的农贸市场日画像构建方法，其特征在于：按照如下步骤d1～d3的方式进行构建农贸市场的贝叶斯网络拓扑结构，
步骤d1，确定步骤1中的特征变量即交易量、销售量、农残检测结果和销售金额为待评价的特征变量，分别用T1、T2、T3、T4表示，确定步骤1中的特征变量即进货量、菜品种类总数以及经步骤c1获取的特征变量每日菜价水平为先验的特征变量，分别用V1、V2、V3表示；
步骤d2，确定步骤d1中的交易量、销售量、农残检测结果、销售金额、进货量、菜品种类总数以及每日菜价水平所对应的状态空间数，其中，除了特征变量农残检测结果只有“安全”和“不安全”两种状态外，其余特征变量均有“低”、“中”和“高”的三种状态；
步骤d3，分析待评价的特征变量与先验的特征变量之间的因果依赖关系，进行条件独立性分析，以完成农贸市场的贝叶斯网络拓扑结构设计，并形成有向无环图。


6.根据权利要求5所述的一种基于贝叶斯网络的农贸市场日画像构建方法，其特征在于：按照如下步骤e1～e3的方式进行贝叶斯网络节点参数的学习，
步骤e1，初始化节点交易量、销售量、农残检测结果和销售金额的概率参数，即计算交易量、销售量、农残检测结果、销售金额每个状态空间在样本数据中出现的频率，
P(T1＝j)＝f(T1＝j)
P(T2＝j)＝f(T2＝j)
P(T3＝k)＝f(T3＝k)
P(T4＝j)＝f(T4＝j)

【专利技术属性】
技术研发人员：陈巧特，陈琴琴，王丙勤，应梦杰，
申请(专利权)人：国研软件股份有限公司，
类型：发明
国别省市：浙江;33