1.一种基于二分数据修补与扰动因子的商品价格预测方法，其特征在于：通过二分法修补网页挖掘的缺陷数据，进而利用扰动因子算法实现商品价格的预测，具体包括以下步骤：步骤A、抽取网页中商品的名称、型号、类型与价格数据，建立数据集X＝{A1，A2，…，Ak}，设定需要预测价格的商品为Ai＝{x1，x2，…，xn}，i的取值区间为：[1，k]；

步骤B、查找Ai中异常数据，得到异常数据集Bi，分别统计Bi中属于时间上连续的异常数据段，设共有s个日期连续的异常数据段，每段日期上连续异常的数据个数为p，并设r＝s；对于每一个p值，步骤G到步骤I只可能被执行一次，且步骤G到步骤I一共被执行s次，之后执行步骤J；

步骤C、当r的值为零时，直接执行步骤J，当r的值不为零时，执行步骤D；

步骤D、设Bi中第r个连续的异常数据段为Br＝{b1，b2，…bm}，r∈[1，s]，其在A中的位置为：{xi，xi+1，…xi+p-1}；

步骤E、按照p的值分别执行步骤F到步骤H，当p＝1时执行步骤F，当p＝2时执行步骤G，当p≥3时执行步骤H，步骤F、b1＝xi+1；r＝r-1，回到步骤C；

步骤G、b1＝xi-1，b2＝xi+1；r＝r-1，回到步骤C；

步骤H、计算pmod2的值，若值为0，则 r＝

r-1，回到步骤C；若值不为0，则 r

＝r-1，回到步骤C；

步骤I、针对不同的商品Ai经过步骤B到步骤H后可以得到修复后的数据集设

步骤J、求扰动窗口长度为L的 的平均值

2

步骤K、设回归方程为y＝aq+bq+c，定义扰动因子 并求S；

步骤L、求

步骤M、令q1＝1，q2＝2，q3＝3，求得a＝(y1-2y2+y3)/2，b＝(-3y1+4y2-3y3)/2，c＝

3y1-3y2+y3；

2

步骤N、求q4＝4时y4＝aq+bq+c；

步骤P、求扰动因子sn+1＝y4+Sn；

步骤Q、求得预测值

步骤R、重复步骤J到步骤Q，可以得到数据集X中所有商品的预测值。

2.根据权利要求1所述的一种基于二分数据修补与扰动因子的商品价格预测方法，其特征在于：步骤A中所述抽取网页中商品的名称、型号、类型与价格数据是指，利用任意Web数据抽取算法，抽取商品在网页上显示的名称、型号、类型与价格数据；其中x1，x2，…，xn可以是第Ai个商品从一个网页中抽取的第1日至第n日的价格数据，也可以是从多个网页中抽取的第1日至第n日的平均价格数据。

3.根据权利要求1所述的一种基于二分数据修补与扰动因子的商品价格预测方法，其特征在于：步骤A到步骤H是针对任意一个商品在一个网页中不同日期的价格数据的修补，其中步骤B中异常数据集Bi的数据个数不大于Ai的总数据量的百分之十。

4.根据权利要求1所述的一种基于二分数据修补与扰动因子的商品价格预测方法，其特征在于：步骤J到步骤Q是针对任意一个商品在一个网页中不同日期的价格数据的预测值，或多个网页中不同日期的平均值价格数据的预测值。

5.根据权利要求1所述的一种基于二分数据修补与扰动因子的商品价格预测方法，其特征在于：步骤J中扰动窗口长度L的取值一般为三个月，设为13周，91天。

6.根据权利要求1所述的一种基于二分数据修补与扰动因子的商品价格预测方法，其特征在于：步骤M中q1＝1，q2＝2，q3＝3是指在步骤K回归方程中q的值。