公开(公告)号：CN107515898B

公开(公告)日：2021-06-04

申请号：CN201710603320.X

申请日：2017-07-22

Applicant: 复旦大学

Inventor： 李敏波 ,  廖倡 ,  许晓彬

IPC: G06F16/2458 ,  G06Q10/06

Abstract: 本发明属于工业大数据应用技术领域，具体为一种基于数据多样性和任务多样性的轮胎企业销售预测方法。本发明方法包括五个部分：（1）主题特征提取，通过LDA模型提取关于轮胎行业的半结构化数据的特征；（2）结构特征提取，通过将轮胎行业的企业根据相关的联系映射到异质网络中，并提取出结构特征；（3）网络结构扩展，针对网络稀疏性问题，通过融合主题特征和结构特征，扩展企业之间的关系图，寻找潜在关联因素；（4）使用LASSO方法的多任务学习方法来解决高维样本空间的缺点；（5）因素特征提取与时序分析，通过有效整合和利用与销售相关的多个数据集（轮胎需求计划，主机厂产品销量，轮胎销售发货数据等）进行预测，通过实验数据验证，能够提高轮胎销售预测的准确率。

公开(公告)号：CN107515898A

公开(公告)日：2017-12-26

申请号：CN201710603320.X

申请日：2017-07-22

Applicant: 复旦大学

Inventor： 李敏波 ,  廖倡 ,  许晓彬

IPC: G06F17/30 ,  G06Q10/06

CPC classification number: G06F17/30536 ,  G06F17/30539 ,  G06Q10/06375

Abstract: 本发明属于工业大数据应用技术领域，具体为一种基于数据多样性和任务多样性的轮胎企业销售预测方法。本发明方法包括五个部分：（1）主题特征提取，通过LDA模型提取关于轮胎行业的半结构化数据的特征；（2）结构特征提取，通过将轮胎行业的企业根据相关的联系映射到异质网络中，并提取出结构特征；（3）网络结构扩展，针对网络稀疏性问题，通过融合主题特征和结构特征，扩展企业之间的关系图，寻找潜在关联因素；（4）使用LASSO方法的多任务学习方法来解决高维样本空间的缺点；（5）因素特征提取与时序分析，通过有效整合和利用与销售相关的多个数据集（轮胎需求计划，主机厂产品销量，轮胎销售发货数据等）进行预测，通过实验数据验证，能够提高轮胎销售预测的准确率。