数据处理方法、装置及电子设备制造方法及图纸

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：