计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (6): 215-222.DOI: 10.3778/j.issn.1002-8331.1508-0077
李凤岐,李光明
LI Fengqi, LI Guangming
摘要: 宏观经济指标能够反映经济实体在多个领域中的活动状态,对经济走势的预测,相关政策的制定以及消费趋势的预判都有重要意义。作为中国领先的搜索服务提供商,百度拥有海量的搜索时序数据,暗含着亿万用户的搜索行为,切实反应了用户的关注焦点,某种程度上构成了与经济活动的间接联系。由此,利用搜索时序数据预测经济指标变得意义重大,然而,如何根据搜索行为预测经济指标这样涉及多个领域的宏观指标,仍然是一个悬而未决的难题。针对这种情况,提出了PS(Predictable Searches)方法,自动地挖掘百度搜索查询数据与经济指标间的关系,筛选出具有代表性查询数据,预测经济指标,不仅消除了同类方法中领域专家知识的成本代价,同时提升了对经济指标的预测效果,并且揭示了不同种类的搜索查询数据预测经济指标的能力,有利于指导经济活动的健康进行。对中国的CPI(Consumer Price Index,居民消费价格指数)和CCI(Consumer Confidence Index,消费者信心指数)等先行经济指标的预测,充分证明了PS方法的有效性。