一种基于线性回归的遍历方法、系统、设备和存储介质

摘要

本发明涉及一种基于线性回归的遍历方法、系统、设备和存储介质，包括以下步骤：获取某日期的订单明细；循环遍历该日的订单明细，把每个零售户和零售户的记录明细作为参数传入分析子流程；在当前记录明细中，判断对应的零售户是否是第一次分析，如果还没访问此零售户，则把该记录明细添加到sigle哈希表，如果是，把该零售户作为参数传入分析子流程，结束后再清空sigle哈希表；调用信任度模块，对Res哈希表和Mid哈希表的数据作对比。本发明提供一种基于线性回归的遍历方法、系统、设备和存储介质，运用哈希表和多元线性回归算法，直接通过订单明细数据，包括卷烟种类和数量，筛选出最佳搭配销售的组合和比例，判断出是否有嫌疑搭配销售的行为。

说明书

技术领域

本发明涉及遍历算法领域，更具体地，涉及一种基于线性回归的遍历方法、系统、设备和存储介质。

背景技术

搭配销售又被称为商品联卖，指买方在购买一种产品或业务的同时被要求必须购买其他产品和业务。随着市场化改革的进行，烟草行业检查发现，搭配销售时有发生，对市场秩序形成冲击。在已经发现的搭配销售行为中(含直营店销售经营数据)，大都是紧俏烟，或者高价烟，搭配一定比例的滞销烟。目前烟草行业对搭配销售的检查和分析缺乏有效的数据筛查办法，主要通过当事人的口供、指证以及台账痕迹，这对规范经营的监管，提出了非常大的挑战，很有监管盲点的存在。

现有的技术中，中国发明专利CN103942298A公开了“基于线性回归的推荐方法及系统”，公开日为2014年07月23日，该方法包括：遍历当前网络系统中的所有用户和物品，获得所有用户和物品的历史评分数据；根据历史评分数据建立基于用户的线性回归模型；根据历史评分数据建立基于物品的线性回归模型；利用用户和物品的线性回归模型预测用户对未评过分的物品的评分；根据用户对所有未评过物品的预测评分排序，将排名较高的物品作为候选推荐给用户；该发明中，实现了对所有未评过物品的预测评分排序，但是只是一个参量的简单筛选，没有做到多个参数共同评估，输出多个数据。

发明内容

本发明为解决的搭配销售的检查和分析缺乏有效的数据筛查办法的技术问题，提供了一种基于线性回归的遍历方法、系统、设备和存储介质。

为实现以上发明目的，采用的技术方案是：

一种基于线性回归的遍历分析方法，包括以下步骤：

S1：获取当日全市范围的订单明细；

S2：遍历全市的订单明细，以单个零售户的订单记录为分析基础，装载到sigle哈希表中；

S3：把sigle哈希表转换为sigle二维数组，对二维数据进行遍历；

S4：运用多元线性回归算法，读取高价烟目录，获得任意一个高价烟的信息，也就是Y

S5：对于计算得到的每一个配对组合b

S6：循环计算结束后，校验Res哈希表和Mid哈希表的信任度，如果Res哈希表的比例数据，全部是对于某个档位及以上或者以下，则认为是符合结果。

上述方案中，运用哈希表和多元线性回归算法，直接通过订单明细数据，包括卷烟种类和数量，筛选出最佳搭配销售的组合和比例，判断出是否有嫌疑搭配销售的行为。

在步骤S4中，所述多元线性回归算法的公式为a

在步骤S5中，如果Mid哈希表的该比例组合不存在，则添加到Mid哈希表和Res哈希表，并且把Res哈希表比例数量设置为1；

如果Mid哈希表存在S5的组合，则判断Res哈希表组合的比例数据，是否和当前配对组合数据一致，如果一致，则Res哈希表该比例组合数量+1。

在步骤S6中，循环计算结束后，在通过S5和S6的计算结果Res哈希表和Mid哈希表，通过对比两个哈希表的参数b

上述方案中，Mid哈希表和Res哈希表为全局变量，Mid哈希表就是中间遍历的时候使用的，每一个零售户就清空一次Mid哈希表。Res哈希表是存放结果的。遍历完当日的订单后，就看Res哈希表。

一种基于线性回归的遍历分析系统，应用了一种基于线性回归的遍历分析方法，包括获取模块、订单明细模块、二维数组模块、多元线性回归模块、组合判断模块和信任度模块；所述获取模块输出端与所述订单明细模块输入端电性连接，所述订单明细模块输出端与所述二维数组模块输入端电性连接，所述二维数组模块输出端与多元线性回归模块输入端电性连接，多元线性回归模块输出端与所述组合判断模块输入端电性连接，所述组合判断模块输出端与所述信任度模块输入端电性连接；

所述获取模块用于获取当日全市范围的订单明细；

所述订单明细模块用于遍历全市的订单明细，以单个零售户的订单记录为分析基础，装载到sigle哈希表中；

所述二维数组模块用于把sigle哈希表转换为sigle二维数组，对二维数据进行遍历；

所述多元线性回归模块用于运用多元线性回归算法，读取高价烟目录，获得任意一个高价烟的信息，也就是Y

所述组合判断模块对于计算得到的每一个配对组合b

所述信任度模块用于在循环计算结束后，校验Res哈希表和Mid哈希表的信任度，如果Res哈希表的比例数据，全部是对于某个档位及以上或者以下，则认为是符合结果。

在所述多元线性回归模块中，多元线性回归算法的公式为a

在所述组合判断模块中，如果Mid哈希表的该比例组合不存在，则添加到Mid哈希表和Res哈希表，并且把Res哈希表比例数量设置为1；如果Mid哈希表存在S5的组合，则判断Res哈希表组合的比例数据，是否和当前配对组合数据一致，如果一致，则Res哈希表该比例组合数量+1。

在所述信任度模块中，循环计算结束后，在通过S5和S6的计算结果Res哈希表和Mid哈希表，通过对比两个哈希表的参数b

一种电子设备，包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行所述的一种基于线性回归的遍历方法。

一种存储介质，计算机可读的所述存储介质存储计算机程序，其中，所述计算机程序使得计算机执行所述的一种基于线性回归的遍历方法。

本发明第三方面公开一种设备，包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行本发明第一方面公开的一种基于线性回归的遍历方法。

本发明第四方面公开一种计算机可读的存储介质，计算机可读的存储介质存储计算机程序，其中，所述计算机程序使得计算机执行本发明第一方面公开的一种基于线性回归的遍历方法。所述计算机可读存储介质包括ROM/RAM、磁盘或光盘等。

与现有技术相比，本发明的有益效果是：

本发明提供一种基于线性回归的遍历方法、系统、设备和存储介质，运用哈希表和多元线性回归算法，直接通过订单明细数据，包括卷烟种类和数量，筛选出最佳搭配销售的组合和比例，判断出是否有嫌疑搭配销售的行为。

附图说明

图1为本发明的方法流程图；

图2为本发明的分析子流程图；

图3为本发明的电子设备示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

以下结合附图和实施例对本发明做进一步的阐述。

实施例1

如图1和图2所示，本实例在获得某个订单日期订单明细的基础上，对订单明细的订购数量和合理定量都有数据来源。本实例设定为按照订购数量来筛查嫌疑搭配销售的组合和比例。

S101，获取某个日期的订单明细；

S102，循环遍历该日的订单明细。把每个零售户和零售户的记录明细作为参数传入分析子流程；

S103，当前记录明细，判断对应的零售户是否是第一次分析。如果还没访问分析过这个零售户，则把该记录明细添加到sigle哈希表。如果是，把该零售户作为参数传入分析子流程，结束后再清空sigle哈希表；

S104，调用信任度模块，对Res哈希表和Mid哈希表的数据作对比；

分析子流程A01，读取高价烟目录，遍历该目录。遍历结束后，结束分析子流程，回到主流程；

分析子流程A02，判断传入的零售户是否购买该高价烟，如果没有购买，回到A01；如果购买，获取购买数量；

分析子流程A03，遍历输入零售户的订单明细记录。遍历结束后，回到A01。

分析子流程A04，组合A02获得的高价烟数量，和普通烟的数量比例，保存名字组合和数量比例。比如，中华(软)：椰树(硬)＝1:3；

分析子流程A05，判断A04的组合，在Mid哈希表是否已经存在，如果不存在，则写入Mid哈希表和Res哈希表，设置Res哈希表数量为1；如果存在，读取Res哈希表该组合的比例数字，和A04的组合数字是否一致，如果一致，Res哈希表的该组合出现个数+1，如果不一致，回到A03。

实施例2

如图3所示，本实施例提供一种设备，包括：

存储有可执行程序代码的存储器301；

与存储器301耦合的处理器302；

其中，处理器302调用存储器301中存储的可执行程序代码，执行上述各中描述的一种基于线性回归的遍历方法。

需要说明的是，图3所示的电子设备还可以包括扬声器模组、摄像模组、显示屏、光投射模组、电池模组、无线通信模组(如移动通信模块、Wi-Fi模块、RF电路、蓝牙模块等)、传感器模组(如接近传感器、压力传感器等)、输入模组(如麦克风、输入按键)以及用户接口模组(如充电接口、对外供电接口、卡槽、有线耳机接口等)等未显示的部件，本实施例不作赘述。

本申请实施例公开一种存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行上述各实施例中描述的一种基于线性回归的遍历方法。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。