一种基于多线程处理的多维度商品排序方法及系统与流程

本发明涉及商品排序，具体为一种基于多线程处理的多维度商品排序方法及系统。

背景技术：

1、在现代零售业中，商品的展示和推广对于吸引顾客至关重要。为了更好地优化商品展示，提高客户满意度并促进销售，需要一种能够综合考虑多种因素来对商品进行排序的算法。这种算法不仅要考虑商品的销量，还要考虑到其他重要因素，如毛利贡献、促销活动、商品标签等。由于商品种类繁多且数据量巨大，传统的单线程处理方式难以满足实时性和性能的要求，因此需要一种高效的数据处理方案。

2、目前市面上有一些商品推荐系统或商品排序算法，它们通常基于销量、用户评价、点击率等单一或几个因素进行排序。这些系统虽然能够提供基本的商品推荐功能，但在多维度综合评估方面尚存在不足。

3、现有的技术主要依赖于单一指标或少数几个指标来进行商品排序。例如，有些系统仅依据销量来对商品进行排序，而另一些则可能结合销量和用户评价。这些技术往往采用简单的统计方法，如平均值计算、百分比排名等，来进行排序。只考虑销量或用户评价等单一指标，不能全面反映商品的价值。权重设置通常是固定的，不能根据市场变化进行灵活调整。未能根据不同城市或地区的市场特点进行差异化排序。在处理大规模数据时，单线程处理效率低下，影响用户体验。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明解决的技术问题是：现有的商品排序方法存在只考虑销量或用户评价等单一指标，未能全面反映商品的价值，权重设置通常是固定的，不能根据市场变化进行灵活调整，未能根据不同城市或地区的市场特点进行差异化排序，以及如何在处理大规模数据时，快速处理，提升用户体验的问题。

3、为解决上述技术问题，本发明提供如下技术方案：一种基于多线程处理的多维度商品排序方法，包括进行商品销售数据采集，进行数据分割构建通过多线程技术分批处理。采用优化的综合评分模型，考虑毛利贡献度、销量、年累计销量、折扣力度、商品标签与促销政策评价商品的市场响应。系统根据综合得分对商品进行排序，并定期更新和动态调整评分维度。

4、作为本发明所述的基于多线程处理的多维度商品排序方法的一种优选方案，其中：所述进行商品销售数据采集包括进行数据采集，进行三类数据采集，第一类采集全国范围的年度销售额、销售量、月度销售额以及销售量，采集每个城市的年度销售额、销售量，月度销售额以及销售量。

5、第二类数据采集商品分类数据，按不同商品类别划分销售数据，分为年销量和月销量。

6、第三类数据采集根据商品型号spu进行数据采集，包括单品的售价、成本、市场均价、营销出现的话题标签以及折扣系数。

7、作为本发明所述的基于多线程处理的多维度商品排序方法的一种优选方案，其中：所述进行商品销售数据采集包括进行数据采集，进行三类数据采集，第一类采集全国范围的年度销售额、销售量、月度销售额以及销售量，采集每个城市的年度销售额、销售量，月度销售额以及销售量。

8、第二类数据采集商品分类数据，按不同商品类别划分销售数据，分为年销量和月销量。

9、第三类数据采集根据商品型号spu进行数据采集，包括单品的售价、成本、市场均价、营销出现的话题标签以及折扣系数。

10、作为本发明所述的基于多线程处理的多维度商品排序方法的一种优选方案，其中：所述进行数据分割构建通过多线程技术分批处理还包括系统使用java的executorservice创建一个线程池，通过多线程技术对分割后的数据子集进行并行处理，每个线程负责处理一个独立的数据子集，各线程处理完毕后，系统将各线程生成的子结果通过concurrenthashmap数据结构进行处理存储中间结果，

11、利用java的并发工具executorservice进行线程管理，通过future对象跟踪异步任务的执行情况，管理线程生命周期。

12、作为本发明所述的基于多线程处理的多维度商品排序方法的一种优选方案，其中：所述采用优化的综合评分模型，考虑毛利贡献度、销量、年累计销量、折扣力度以及话题标签评价商品的市场响应包括计算毛利贡献度：

13、

14、其中，为毛利贡献度得分，s30为待排序的spu的30天销量，pc为待排序spu售价，cc为待排序spu成本，μp和σp分别为市场平均价格和标准差。

15、销量得分:

16、

17、其中，为销量得分，表示销量的加速度。

18、年累计销量得分：

19、

20、其中，s365为待排序的spu的年销量，为年累计销量得分，s365(ω)为年销量的频域表示。

21、折扣力度得分：

22、

23、其中，为折扣力度得分，po为当前spu原价，β为调整系数。

24、话题标签得分：

25、

26、其中，为商品标签促销政策得分，pi为第i个话题标签的比例，n为标签数量。

27、作为本发明所述的基于多线程处理的多维度商品排序方法的一种优选方案，其中：所述采用优化的综合评分模型，考虑毛利贡献度、销量、年累计销量、折扣力度、商品标签与促销政策评价商品的市场响应还包括根据每个spu的销售活动进行加分被标记为秒杀、特价、有优惠券抵扣、满减打折每项活动加5分，总计不超过20分，结合专家的趋势判断对商品的评分权重进行调整，表示为：

28、

29、其中，x表示专家评分权重，为活动加分。

30、作为本发明所述的基于多线程处理的多维度商品排序方法的一种优选方案，其中：所述系统根据综合得分对商品进行排序，并定期更新和动态调整评分维度包括将排序后的商品列表存入数据库，并更新管理端和用户端的商品展示界面，每月进行一次第一类和第二类数据采集，每天进行一次第三类数据采集并更新排序。

31、本发明的另外一个目的是提供一种基于多线程处理的多维度商品排序系统，其能通过考虑到spu、商品分类、城市等数据量较大，采用了多线程分批处理的方式来提高处理效率。这种处理方式可以将大数据集分割成较小的任务，分配给多个线程并行处理，从而加快处理速度。解决了目前的商品排序含有在处理大规模数据时，单线程处理效率低下，影响用户体验的问题。

32、作为本发明所述的基于多线程处理的多维度商品排序系统的一种优选方案，其中：包括数据采集模块，评分模块，排序调节模块。

33、所述数据采集模块用于进行商品销售数据采集，进行数据分割构建通过多线程技术分批处理。

34、所述评分模块用于采用优化的综合评分模型，考虑毛利贡献度、销量、年累计销量、折扣力度、商品标签与促销政策评价商品的市场响应。

35、所述排序调节模块用于系统根据综合得分对商品进行排序，并定期更新和动态调整评分维度。

36、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序是实现基于多线程处理的多维度商品排序方法的步骤。

37、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于多线程处理的多维度商品排序方法的步骤。

38、本发明的有益效果：本发明提供的基于多线程处理的多维度商品排序方法不仅考虑销量，还结合了毛利、促销政策等多方面因素评估更加全面，根据最新的销售数据更新排名，保证排名的时效性。允许人工调整权重，可以根据市场变化快速做出反应。支持按城市和地区进行分析，有助于地区性采用多线程分批处理的方式，提高了数据处理的速度和效率。通过并发集合类和java并发工具类保证了系统的稳定性和可靠性。本发明在效率、安全性以及可调空性方面都取得更加良好的效果。