一种基于产品属性的新产品设计与推荐方法技术

本发明专利技术公开了一种基于产品属性的新产品设计与推荐方法，包括以下步骤：1)获取现有产品属性及其属性值；2)根据产品属性值形成属性兼容矩阵：3)通过分支

【技术实现步骤摘要】
一种基于产品属性的新产品设计与推荐方法


[0001]本专利技术属于产品推荐领域，具体的说是一种基于产品属性的新产品设计与推荐方法。

技术介绍

[0002]在商品经济时代，产品设计与推荐已成为提升产品竞争力，促进产品推广的直接有效手段。在设计新产品时，设计师需要收集产品的市场信息，了解产品的行业发展现状和趋势，分析用户的使用需求和体验，并结合主观经验形成新产品设计方案；在确定推荐产品时，往往通过小规模试用，测试新产品是否满足大多数消费者的需求，并选择试用期间大受欢迎的产品作为推荐产品。
[0003]但是，目前的新产品设计与推荐方法过于依赖人工经验，没有科学的决策依据和客观数据的支撑，忽略了历史数据对于产品设计的价值；由于产品属性多样、设计款式灵活，难以保证产品各属性在生产技术以及大众审美偏好等方面的兼容性。另外，新品试用需要在实际场景中进行，测试成本高、反馈时间长、随机干扰多，无法快速确定推荐产品，很难满足产品快速更新迭代的要求。因此，需要一种简单易实现的新产品设计与推荐方法为产品设计与推荐决策提供客观的参考依据。

技术实现思路

[0004]本专利技术是为了解决上述现有技术存在的不足之处，提出一种基于产品属性的新产品设计与推荐方法，以期能生成属性兼容的可行新产品设计方案，并预测新产品未来受欢迎程度，给出推荐产品，从而能快速设计新产品并提高新产品推荐成功率。
[0005]本专利技术为达到上述专利技术目的，采用如下技术方案：
[0006]本专利技术一种基于产品属性的新产品设计与推荐方法的特点在于，是按照如下步骤进行：
[0007]步骤一、获取现有产品属性及其属性值：
[0008]获取n款现有产品，记为P＝{p1,p2,
…
,p
i
,
…
,p
n
}，p
i
表示第i款现有产品，1≤i≤n；令第i款现有产品p
i
包含m种属性，记为T
i
＝{t
i,1
,t
i,2
,
…
,t
i,j
,
…
,t
i,m
}，t
i,j
表示第i款现有产品p
i
的第j种属性，1≤j≤m；所有现有产品的第j种属性记为r
j
表示所有现有产品的第j种属性t
j
包含的属性值总数，v
j,q
表示第j种属性t
j
的第q个属性值，1≤q≤r
j
；则所有现有产品m种属性的属性值总数记为
[0009]定义一个候选矩阵集合Cand和一个兼容产品集合ComP，均初始化为空集；
[0010]步骤二、根据现有产品属性值，形成属性兼容矩阵X；
[0011]步骤三、通过分支
‑
解析算法重新组合现有产品的属性值，从而生成属性兼容的新产品设计方案NewP；
[0012]步骤四、获取现有产品的历史数据，并使用机器学习方法，对NewP中属性兼容的新
产品设计方案未来受欢迎程度进行分类预测：
[0013]步骤4.1、基于n款现有产品的历史数据，将n款现有产品分为受欢迎和不受欢迎两类数据，并用标签“1”表示受欢迎产品，用标签“0”表示不受欢迎产品；
[0014]步骤4.2、将n款现有产品m种属性的属性值转化为虚拟变量，并使用递归特征消除特征选择方法计算虚拟变量的贡献，保留贡献较大的虚拟变量；
[0015]步骤4.3、将n款现有产品划分为训练集和验证集，将贡献较大的虚拟变量作为输入变量，训练集中产品的标签“0”、“1”作为输出变量，在训练集上对机器学习分类预测模型进行训练，并利用验证集检验预测效果以调整模型超参数，从而得到训练后的机器学习分类预测模型；
[0016]步骤4.4、将NewP中新产品设计方案的m种属性的属性值按照步骤4.2进行处理后，输入所述训练后的机器学习分类预测模型中，从而输出新产品的分类预测结果；
[0017]步骤五、根据新产品的分类预测结果，选出预测为标签“1”所对应的新产品设计方案，从而构成新产品推荐列表。
[0018]本专利技术所述的一种基于产品属性的新产品设计与推荐方法的特点也在于，所述步骤2是按照如下步骤进行：
[0019]步骤2.1、定义一个N行N列的对称矩阵记为属性兼容矩阵X
N
×
N
，令属性兼容矩阵X
N
×
N
中第n行第n列的元素分别记为x
n,n
,1≤n≤N；
[0020]步骤2.2、当第i款现有产品p
i
中同时包含第j种属性t
j
的第q个属性值v
j,q
与第j'种属性t
j
′
的第q
′
个属性值v
j
′
,q
′
时，则记第q个属性值v
j,q
与第q
′
个属性值v
j
′
,q
′
为兼容属性，令第行第列的元素令第第列的元素当k＝0时，令r
k
＝0；r
k
表示所有现有产品的第k种属性t
k
包含的属性值总数；
[0021]步骤2.3、当P中任何一款现有产品均不包含第j种属性t
j
的第q个属性值v
j,q
与第j
′
种属性t
j
′
的第q'个属性值v
j',q'
时，则记第q个属性值v
j,q
与第q'个属性值v
j',q
′
为非兼容属性，令第行第列的元素令第第列的元素
[0022]步骤2.4、初始化j＝1；
[0023]步骤2.5、初始化q＝1；
[0024]步骤2.6、令第行中第列的元素到第列的元素均为空值；
[0025]步骤2.7、将q+1赋值给q后，若q>r
j
，则执行步骤2.8；否则，返回步骤2.6顺序执行；
[0026]步骤2.8、将j+1赋值给j后，若j>m，则表示得到属性兼容矩阵X，执行步骤三；否则，返回步骤2.5顺序执行。
[0027]所述步骤3是按照如下步骤进行：
[0028]步骤3.1、基于属性兼容矩阵X，利用式(1)计算与v
j,q
兼容的第j
′
种属性t
j'
的属性值数量y(v
j,q
)
j'
，从而得到与v
j,q
兼容的所有m种属性值数量{y(v
j,q
)
j'
|j'＝1,
…
,m}：
[0029][0030本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于产品属性的新产品设计与推荐方法，其特征在于，是按照如下步骤进行：步骤一、获取现有产品属性及其属性值：获取n款现有产品，记为P＝{p1,p2,
…
,p
i
,
…
,p
n
}，p
i
表示第i款现有产品，1≤i≤n；令第i款现有产品p
i
包含m种属性，记为T
i
＝{t
i,1
,t
i,2
,
…
,t
i,j
,
…
,t
i,m
}，t
i,j
表示第i款现有产品p
i
的第j种属性，1≤j≤m；所有现有产品的第j种属性记为r
j
表示所有现有产品的第j种属性t
j
包含的属性值总数，v
j,q
表示第j种属性t
j
的第q个属性值，1≤q≤r
j
；则所有现有产品m种属性的属性值总数记为定义一个候选矩阵集合Cand和一个兼容产品集合ComP，均初始化为空集；步骤二、根据现有产品属性值，形成属性兼容矩阵X；步骤三、通过分支
‑
解析算法重新组合现有产品的属性值，从而生成属性兼容的新产品设计方案NewP；步骤四、获取现有产品的历史数据，并使用机器学习方法，对NewP中属性兼容的新产品设计方案未来受欢迎程度进行分类预测：步骤4.1、基于n款现有产品的历史数据，将n款现有产品分为受欢迎和不受欢迎两类数据，并用标签“1”表示受欢迎产品，用标签“0”表示不受欢迎产品；步骤4.2、将n款现有产品m种属性的属性值转化为虚拟变量，并使用递归特征消除特征选择方法计算虚拟变量的贡献，保留贡献较大的虚拟变量；步骤4.3、将n款现有产品划分为训练集和验证集，将贡献较大的虚拟变量作为输入变量，训练集中产品的标签“0”、“1”作为输出变量，在训练集上对机器学习分类预测模型进行训练，并利用验证集检验预测效果以调整模型超参数，从而得到训练后的机器学习分类预测模型；步骤4.4、将NewP中新产品设计方案的m种属性的属性值按照步骤4.2进行处理后，输入所述训练后的机器学习分类预测模型中，从而输出新产品的分类预测结果；步骤五、根据新产品的分类预测结果，选出预测为标签“1”所对应的新产品设计方案，从而构成新产品推荐列表。2.根据权利要求1所述的一种基于产品属性的新产品设计与推荐方法，其特征在于，所述步骤2是按照如下步骤进行：步骤2.1、定义一个N行N列的对称矩阵记为属性兼容矩阵X
N
×
N
，令属性兼容矩阵X
N
×
N
中第n行第n列的元素分别记为x
n,n
,1≤n≤N；步骤2.2、当第i款现有产品p
i
中同时包含第j种属性t
j
的第q个属性值v
j,q
与第j
′
种属性t
j
′
的第q
′
个属性值v
j
′
,q
′
时，则记第q个属性值v
j,q
与第q
′
个属性值v
j
′
,q
′
为兼容属性，令第行第列的元素令第第列的元素当k＝0时，令r
k
＝0；r
k
表示所有现有产品的第k种属性t
k
包含的属性值总数；步骤2.3、当P中任何一款现有产品均不包含第j种属性t
j
的第q个属性值v
j,q
与第j
′
种属性t
j
′
的第q
′
个属性值v
j',q'
时，则记第q个属性值v
j,q
与第q'个属性值v
j',q'
为非兼容属性，令
第行第列的元素令第第列的元素步骤2.4、初始化j＝1；步骤2.5、初始化q＝1；步骤2.6、令第行中第列的元素到第列的元素均为空值；步骤2.7、将q+1赋值给q后，若q>r
j
，则执行步骤2.8；否则，返回步骤2.6顺序执行；步骤2.8、将j+1赋值给j后，若j>m，则表示得到属性兼容矩阵X，执行步骤三；否则，返回步骤2.5顺序执行。3.根据权利要求2所述的一种基于产品属性的新产品设计与推荐方法，其特征在于，所述步骤3是按照如下步骤进行：步骤3.1、基于属性兼容矩阵X，利用式(1)计算与v
j,q
兼容的第j'种属性t
j'
的属性值数量y(v
j,q
)
j'
，从而得到与v
j,q

【专利技术属性】
技术研发人员：郑圣明，王波，余玉刚，
申请(专利权)人：中国科学技术大学国际金融研究院，
类型：发明
国别省市：