一种销售额度的确定方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115841343A(43)申请公布日2023.03.24(21)申请号202211644151.1(22)申请日2022.12.16(71)申请人广州飞狮数字科技有限公司地址510080广东省广州市白云区云霄路91号107房(72)发明人路杏波秦华东(74)专利代理机构深圳天融专利代理事务所(普通合伙)44628专利代理师杜英(51)Int.Cl.G06Q30/0202(2023.01)G06N3/0442(2023.01)G06N3/08(2023.01)权利要求书2页说明书10页附图2页(54)发明名称一种销售额度的确定方法及装置(57)摘要本申请提供了一种销售额度的确定方法及装置，该销售额度的确定方法包括：获取待预测销售数据；获取预先训练的销售额度预测模型，其中，销售额度预测模型包括编码模块、输入全连接层、多头注意力模块、biLstm模块、输出全连接层；将待预测销售数据输入编码模块，得到编码数据；将编码数据输入输入全连接层进行特征提取，得到第一特征数据；将第一特征数据输入多头注意力模块，得到第二特征数据；将第二特征数据输入biLstm模块提取上下文特征，得到第三特征数据；将第三特征数据输入输出全连接层进行特征提取和合并，得到预测的目标预测销售额度。本申请能够提高销售额度的确定准确率。CN115841343ACN115841343A权利要求书1/2页1.一种销售额度的确定方法，其特征在于，所述销售额度的确定方法包括：获取待预测销售数据，其中，所述待预测销售数据包括多个销售维度特征、每天的天气特征、疫情级别特征以及门店特征；获取预先训练的销售额度预测模型，其中，所述销售额度预测模型包括编码模块、输入全连接层、多头注意力模块、biLstm模块、输出全连接层；将所述待预测销售数据输入编码模块，得到编码数据；将编码数据输入输入全连接层进行特征提取，得到第一特征数据；将所述第一特征数据输入多头注意力模块，得到第二特征数据；将所述第二特征数据输入biLstm模块提取上下文特征，得到第三特征数据；将第三特征数据输入输出全连接层进行特征提取和合并，得到预测的目标预测销售额度。2.根据权利要求1所述的销售额度的确定方法，其特征在于，所述将所述待预测销售数据输入编码模块，得到编码数据，包括：利用所述编码模块对所述待预测销售数据中的数值特征归一化，对所述待预测销售数据中的离散数据编码，对所述待预测销售数据中的时序特征编码，得到编码数据。3.根据权利要求1所述的销售额度的确定方法，其特征在于，所述将所述第一特征数据输入多头注意力模块，得到第二特征数据，包括：获取所述第一特征数据的Q分量、K分量以及V分量；将Q分量、K分量输入卷积层，得到卷积后Q分量和卷积后K分量；将卷积后Q分量、卷积后K分量以及V分量输入多头注意力模块，得到第二特征数据。4.根据权利要求1所述的销售额度的确定方法，其特征在于，所述获取预先训练的销售额度预测模型，包括：获取目标店铺在历史时间段内的第一历史销售数据；对所述第一历史销售数据预处理，得到预处理销售数据；根据所述预处理销售数据构建训练集，其中，所述训练集包括多个第二历史销售数据和对应的多个历史实际销售额度；基于所述训练集训练预设神经网络模型，得到销售额度预测模型。5.根据权利要求4所述的销售额度的确定方法，其特征在于，所述基于所述训练集训练预设神经网络模型，得到销售额度预测模型，包括：将所述训练集输入预设神经网络模型，得到多个第二历史销售数据对应的多个历史预测销售额度；基于多个历史实际销售额度和多个历史预测销售额度确定训练误差；当所述训练误差低于预设值时，将训练得到的预设神经网络模型确定为销售额度预测模型。6.根据权利要求5所述的销售额度的确定方法，其特征在于，所述历史时间段为N个月，所述根据所述预处理销售数据构建训练集，包括：利用时间窗口对所述历史时间段进行遍历，得到多个子时间段，其中，所述时间窗口的长度为M个月，M小于N，所述子时间段的时间长度与时间窗口相同；将预处理销售数据位于各个子时间段内的数据确定为各个第二历史销售数据；2CN115841343A权利要求书2/2页将预处理销售数据中位于各个子时间段之后P个月内的历史实际销售额度确定为各个第二历史销售数据对应的各个历史实际销售额度。7.根据权利要求5所述的销售额度的确定方法，其特征在于，所述对所述第一历史销售数据预处理，得到预处理销售数据，包括：对所述第一历史销售数据进行数据清洗，得到数据清洗后的销售数据；对数据清洗后的销售数据进行数据转换，得到预处理销售数据。8.一种销售额度的确定装置，其特征在于，所述销售额度的确定装置包括：第一获取单元，用于获取待预测销售数据，其中，所述待预测销售数据包括多个销售