预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112308595A(43)申请公布日2021.02.02(21)申请号202010210624.1(22)申请日2020.03.24(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区经济技术开发区科创十一街18号院2号楼4层A402室(72)发明人王鑫(74)专利代理机构北京英赛嘉华知识产权代理有限责任公司11204代理人王达佐马晓亚(51)Int.Cl.G06Q30/02(2012.01)G06Q10/08(2012.01)G06K9/62(2006.01)权利要求书3页说明书10页附图4页(54)发明名称用于确定货品状态的方法和装置(57)摘要本公开的实施例公开了用于确定货品状态的方法、装置、设备和介质。该方法的一具体实施方式包括:基于待预测货品的货品信息,确定待预测货品的特征向量,货品信息至少包括货品的名称、种类和历史销量;将特征向量输入预先建立的货品状态预测模型,得到待预测货品为预定货品状态的概率,其中,货品状态预测模型为梯度提升决策树模型;响应于待预测货品为预定货品状态的概率符合预设的判定条件,确定待预测货品为具有预定货品状态的货品。将待预测货品的货品信息输入货品状态预测模型,输出货品状态的概率值,将销量预测问题转化为二分类问题,避免出现销量预测模型的回归损失函数更倾向于中高销量准确度的问题,提高了预测货品状态的准确度。CN112308595ACN112308595A权利要求书1/3页1.一种用于确定货品状态的方法,包括:基于待预测货品的货品信息,确定所述待预测货品的特征向量,所述货品信息至少包括货品的名称、种类和历史销量;将所述特征向量输入预先建立的货品状态预测模型,得到所述待预测货品为预定货品状态的概率;响应于所述待预测货品为预定货品状态的概率符合预设的判定条件,确定所述待预测货品为具有预定货品状态的货品。2.根据权利要求1所述的方法,其中,所述货品状态预测模型通过如下方式训练得到:基于已标注货品状态标识的样本货品信息,获取样本特征向量矩阵;将所述样本特征向量矩阵作为输入,将对应所述样本特征向量矩阵的货品状态标识作为期望输出,训练预先建立的初始货品状态预测模型,得到训练后的货品状态预测模型。3.根据权利要求2所述的方法,其中,所述已标注货品状态标识的样本货品信息可以通过如下方式获取:基于样本货品的销量信息,将预设时间段内销量大于销量阈值的样本货品信息的货品状态标识标记为0,将预设时间段内销量小于或等于销量阈值的样本货品信息的货品状态标识标记为1;或将预设时间段内销量大于销量阈值的样本货品信息的货品状态标识标记为1,将预设时间段内销量小于或等于销量阈值的样本货品信息的货品状态标识为0;所述样本货品的销量信息至少包括以下之一:所述样本货品的历史销量;基于所述样本货品的历史销量,获取的所述样本货品的预测销量。4.根据权利要求2所述的方法,其中,将所述样本特征向量矩阵作为输入,将对应所述样本特征向量矩阵的货品状态标识作为期望输出,训练预先建立的初始货品状态预测模型,得到训练后的货品状态预测模型,包括:基于所述已标注货品状态标识的样本货品数量,将所述样本特征向量矩阵均匀分组;将分组后的各组样本特征向量矩阵分别输入Spark分布式模型中的各个初始货品状态预测模型,得到各个初始货品状态预测模型的参数;基于各个初始货品状态预测模型的参数和与各个初始货品状态预测模型对应的预设权重,确定训练后的货品状态预测模型的参数;基于训练后的货品状态预测模型的参数,得到训练后的货品状态预测模型。5.根据权利要求1至4之一所述的方法,其中,在所述获取待预测货品的特征向量之前,所述方法还包括:响应于货品的预测销量大于预设销量阈值,将预测销量大于预设销量阈值的货品确定为所述待预测货品;其中,货品的预测销量通过如下方式之一获取:将货品的货品信息输入销量预测模型,得到销量预测模型输出的货品的预测销量;将货品的货品信息输入前置仓选品模型,得到前置仓选品模型输出的货品的预测销量。6.根据权利要求5所述的方法,其中,所述方法还包括:基于所述待预测货品的货品状态,确定所述待预测货品的库存调整数量。2CN112308595A权利要求书2/3页7.根据权利要求1所述的方法,其中,所述货品状态预测模型为梯度提升决策树模型。8.一种用于确定货品状态的装置,包括:特征获取单元,被配置成基于待预测货品的货品信息,确定所述待预测货品的特征向量,所述货品信息至少包括货品的名称、种类和历史销量;概率计算单元,被配置成将所述特征向量输入预先建立的货品状态预测模型,得到所述待预测货品为预定货品状态的概率;状态判定单元,被配置成响应于所述待预测货品为预定货品状态的概率符合预设的判定条件,