本申请公开了一种数据处理方法、装置及电子设备，该方法包括：获取第一设备的历史关系信息；基于历史价格信息和历史需求信息，利用因果推理模型，确定出表征历史价格信息和历史需求信息之间关联关系的第一需求弹性预测信息；对第一需求弹性预测信息进行聚类操作，其中包括：将第一需求弹性预测信息中的各个预测子信息作为目标组，基于各个预测子信息的第一权重，得到相邻的目标组之间的组距，基于组距生成相应的多个具有组标签的数据组；基于数据组以及历史关系信息中的第一设备的多个属性特征，利用特征加权算法，生成属性特征对应的特征权重向量；基于特征权重向量，确定第二设备的目标预测信息。备的目标预测信息。备的目标预测信息。
【技术实现步骤摘要】
数据处理方法、装置及电子设备
[0001]本申请涉及数据处理领域，特别涉及一种数据处理方法、装置及电子设备。
技术介绍
[0002]商业产品的定价是否合理决定着企业在市场竞争中的成败。价格设置需要随着内外环境、产品所在生命周期而动态变化。对于成熟产品，很多已经具有了一段时间的销售数据，其价格设置经过了市场的实践，往往较为合理。而对于新产品，其第一次定价较为困难，即需要兼顾到企业和消费者双方的利益，又需要考虑对该产品后续市场份额的影响。但是目前对于新产品的价格设置非常困难，使用现有的数据处理方法很难预测出合理价格，这将对相关企业造成损害。
技术实现思路
[0003]本申请实施例的提供了一种数据处理方法，包括：
[0004]获取第一设备的历史关系信息，其中所述历史关系信息包括所述第一设备的历史价格信息和历史需求信息；
[0005]基于所述历史价格信息和所述历史需求信息，利用因果推理模型，确定出表征所述历史价格信息和所述历史需求信息之间关联关系的第一需求弹性预测信息；
[0006]对所述第一需求弹性预测信息进行聚类操作，其中包括：将所述第一需求弹性预测信息中的各个预测子信息作为目标组，基于各个所述预测子信息的第一权重，得到相邻的所述目标组之间的组距，基于所述组距生成相应的多个具有组标签的数据组，其中，所述第一权重用于调整所述聚类操作的聚类粒度；
[0007]基于所述数据组以及所述历史关系信息中的所述第一设备的多个属性特征，利用特征加权算法，生成所述属性特征对应的特征权重向量，其中，所述属性特征为销售所述第一设备过程中的相关特征；
[0008]基于所述特征权重向量，确定第二设备的目标预测信息，其中所述第二设备与所述第一设备相关联，所述目标预测信息为对所述第二设备进行定价的参考信息。
[0009]作为可选，所述基于所述历史价格信息和所述历史需求信息，利用因果推理模型，确定出表征所述历史价格信息和所述历史需求信息之间关联关系的第一需求弹性预测信息，包括：
[0010]确定所述第一设备的多个属性特征；
[0011]基于所述历史价格信息和所述历史需求信息，对每个所述属性特征，利用因果推理模型，生成相对应的预测子信息；
[0012]基于生成的所述预测子信息，形成所述第一需求弹性预测信息。
[0013]作为可选，其中，
[0014]所述属性特征包括以下至少一个：所述第一设备的静态属性特征、门店属性特征、促销时间特征以及节假日特征。
[0015]作为可选，其中，
[0016]在所述第一需求弹性预测信息为第一弹性范围的情况下，基于所述第一需求弹性预测信息确定所述第一权重；
[0017]在所述第一需求弹性预测信息不在所述第一弹性范围的情况下，所述第一权重为一常数值。
[0018]作为可选，所述基于所述数据组以及所述历史关系信息中的所述第一设备的多个属性特征，利用特征加权算法，生成所述属性特征对应的特征权重向量，包括：
[0019]基于所述数据组的组标签，对表征多个所述属性特征之间的差异的第二权重进行更新；
[0020]基于更新后的所述第二权重，利用所述特征加权算法，生成所述属性特征对应的所述特征权重向量。
[0021]作为可选，其中，
[0022]所述数据组的样本量高于第一数量，其中所述数据组中的异常样本和/或随机样本的概率，随着所述数据组的样本量的增加而降低；
[0023]所述数据组之间的组距随所述数据组之间的差异的增大而增大，所述第二权重随所述数据组之间的组距的增加而增大。
[0024]作为可选，所述基于所述特征权重向量，确定第二设备的目标预测信息，包括：
[0025]利用所述特征权重向量对所述第一设备的属性特征和所述第二设备的属性特征进行加权；
[0026]利用邻近算法将所述第二设备的属性特征与所述第一设备的属性特征进行匹配，确定所述第二设备对应的第二需求弹性预测信息。
[0027]作为可选，所述基于所述特征权重向量，确定第二设备的目标预测信息，还包括：
[0028]基于对所述第二设备的业务需求，确定相应的目标条件；
[0029]在满足所述目标条件的情况下，根据所述第二需求弹性预测信息的取值范围，确定与所述取值范围相对应的所述目标预测信息，其中，
[0030]所述目标条件包括以下至少一个：以所述第二设备的收益为目标的条件，以及所述第二设备的出货量为目标的条件。
[0031]本申请实施例还提供了一种数据处理装置，包括：
[0032]获取模块，其配置为获取第一设备的历史关系信息，其中所述历史关系信息包括所述第一设备的历史价格信息和历史需求信息；
[0033]推理模块，其配置为基于所述历史价格信息和所述历史需求信息，利用因果推理模型，确定出表征所述历史价格信息和所述历史需求信息之间关联关系的第一需求弹性预测信息；
[0034]聚类模块，其配置为对所述第一需求弹性预测信息进行聚类操作，其中包括：将所述第一需求弹性预测信息中的各个预测子信息作为目标组，基于各个所述预测子信息的第一权重，得到相邻的所述目标组之间的组距，基于所述组距生成相应的多个具有组标签的数据组，其中，所述第一权重用于调整所述聚类操作的聚类粒度；
[0035]加权模块，其配置为基于所述数据组以及所述历史关系信息中的所述第一设备的多个属性特征，利用特征加权算法，生成所述属性特征对应的特征权重向量，其中，所述属
性特征为销售所述第一设备过程中的相关特征；
[0036]确定模块，其配置为基于所述特征权重向量，确定第二设备的目标预测信息，其中所述第二设备与所述第一设备相关联，所述目标预测信息为对所述第二设备进行定价的参考信息。
[0037]本申请实施例还提供了一种电子设备，包括处理器和存储器，所述存储器中存储有可执行程序，所述处理器执行所述可执行程序以进行如上所述的方法的步骤。
[0038]本申请实施例的该数据处理方法：基于改进的特征加权算法，能够更加精准地衡量每维属性特征在弹性预测中的贡献度，即对贡献度大的属性特征提高权值，对于贡献小的属性特征则降低权值。将加权后的特征权重向量应用于邻近算法中，确保了关键特征的精准匹配。由此得到的向量距离能更好地出反映出弹性值之间的差异，从而有效提高了预测新产品的价格的准确性，保护了企业利益。
附图说明
[0039]图1为本申请实施例的数据处理方法的流程图；
[0040]图2为本申请实施例的图1中步骤S200的流程图；
[0041]图3为本申请实施例的图1中步骤S400的流程图；
[0042]图4为本申请实施例的图1中步骤S500的一个实施例的流程图；
[0043]图5为本申请实施例的图1中步骤S500的另一个实施例的流程图；
[0044]图6为本申请实施例的需求价格曲线关系示意图；
[0045]图7为本申请实施例的需求价格本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法，包括：获取第一设备的历史关系信息，其中所述历史关系信息包括所述第一设备的历史价格信息和历史需求信息；基于所述历史价格信息和所述历史需求信息，利用因果推理模型，确定出表征所述历史价格信息和所述历史需求信息之间关联关系的第一需求弹性预测信息；对所述第一需求弹性预测信息进行聚类操作，其中包括：将所述第一需求弹性预测信息中的各个预测子信息作为目标组，基于各个所述预测子信息的第一权重，得到相邻的所述目标组之间的组距，基于所述组距生成相应的多个具有组标签的数据组，其中，所述第一权重用于调整所述聚类操作的聚类粒度；基于所述数据组以及所述历史关系信息中的所述第一设备的多个属性特征，利用特征加权算法，生成所述属性特征对应的特征权重向量，其中，所述属性特征为销售所述第一设备过程中的相关特征；基于所述特征权重向量，确定第二设备的目标预测信息，其中所述第二设备与所述第一设备相关联，所述目标预测信息为对所述第二设备进行定价的参考信息。2.根据权利要求1所述的方法，所述基于所述历史价格信息和所述历史需求信息，利用因果推理模型，确定出表征所述历史价格信息和所述历史需求信息之间关联关系的第一需求弹性预测信息，包括：确定所述第一设备的多个属性特征；基于所述历史价格信息和所述历史需求信息，对每个所述属性特征，利用因果推理模型，生成相对应的预测子信息；基于生成的所述预测子信息，形成所述第一需求弹性预测信息。3.根据权利要求1所述的方法，其中，所述属性特征包括以下至少一个：所述第一设备的静态属性特征、门店属性特征、促销时间特征以及节假日特征。4.根据权利要求1所述的方法，其中，在所述第一需求弹性预测信息为第一弹性范围的情况下，基于所述第一需求弹性预测信息确定所述第一权重；在所述第一需求弹性预测信息不在所述第一弹性范围的情况下，所述第一权重为一常数值。5.根据权利要求1所述的方法，所述基于所述数据组以及所述历史关系信息中的所述第一设备的多个属性特征，利用特征加权算法，生成所述属性特征对应的特征权重向量，包括：基于所述数据组的组标签，对表征多个所述属性特征之间的差异的第二权重进行更新；基于更新后的所述第二权重，利用所述特征加权算法，生成所述属性特征对应的所述特征权重向量。6.根据权利要求5所述的方法，其中，所述数据组的样本量高于第一...
【专利技术属性】
技术研发人员：范晨晨，汪益新，张亚红，欧阳文理，范伟，
申请(专利权)人：联想北京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。