用于销量数据预测的方法、装置、设备及存储介质.pdf

(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CN113743969A(43)申请公布日2021.12.03(21)申请号202010477825.8(22)申请日2020.05.29(71)申请人北京京东智能城市大数据研究院地址100080北京市海淀区中关村国际创新大厦8层806室(72)发明人秦慧玲詹仙园郑宇(74)专利代理机构北京律智知识产权代理有限公司11438代理人孙宝海袁礼君(51)Int.Cl.G06Q30/02(2012.01)权利要求书2页说明书15页附图7页(54)发明名称用于销量数据预测的方法、装置、设备及存储介质(57)摘要本公开提供了一种用于销量数据预测的方法、装置、设备及存储介质，涉及计算机技术领域。该方法包括：获取不同区域的区域信息数据及各区域的不同时间段的销售数据及意向销售数据；基于预配置的目标销量，分别对各区域的各时间段的销售数据及意向销售数据进行处理，获得各区域的各时间段的时间特征值数据集；分别对各区域的区域信息数据进行特征值聚合，获得各区域的空间特征值数据集；基于各区域的各时间段的时间特征值数据集及各区域的空间特征值数据集对第一模型进行训练，以获得时空表示数据集；其中，时空表示数据集用于训练销量数据预测模型。该方法可以结合时间特征和空间特征，可以提高销量数据预测模型的准确性。CN113743969ACN113743969A权利要求书1/2页1.一种用于销量数据预测的方法，其特征在于，包括：获取不同区域的区域信息数据及各区域的不同时间段的销售数据及意向销售数据；基于预配置的目标销量，分别对各区域的各时间段的所述销售数据及所述意向销售数据进行处理，获得各区域的各时间段的时间特征值数据集；分别对各区域的所述区域信息数据进行特征值聚合，获得各区域的空间特征值数据集；基于各区域的各时间段的所述时间特征值数据集及各区域的所述空间特征值数据集对第一模型进行训练，以获得时空表示数据集；其中，所述时空表示数据集用于训练销量数据预测模型。2.根据权利要求1所述的方法，其特征在于，还包括：获取当前区域信息数据、当前区域的当前时间段的销售数据及意向销售数据；基于所述时空表示数据集、当前区域信息数据、所述当前区域的当前时间段的销售数据及意向销售数据对第二模型进行训练，以获得销量数据预测模型。3.根据权利要求1所述的方法，其特征在于，基于预配置的目标销量，分别对各区域的各时间段的所述销售数据及所述意向销售数据进行处理，获得各区域的各时间段的时间特征值数据集，包括：基于长短期记忆网络LSTM，分别得到各区域的各时间段的所述销售数据的多个不同周期的第一时间特征值数据集，及各区域的各时间段的所述意向销售数据的多个不同周期的第一时间特征值数据集；分别对各区域的各时间段的所述销售数据的多个不同周期的第一时间特征值数据集进行聚合，生成各区域的各时间段的所述销售数据的第二时间特征值数据集，及分别对各区域的各时间段的所述意向销售数据的多个不同周期的第一时间特征值数据集进行聚合，生成各区域的各时间段的所述意向销售数据的第二时间特征值数据集；基于时间注意力机制，分别对所述目标销量和各区域的各时间段的所述销售数据的第二时间特征值数据集进行学习，以获得各区域的各时间段的所述销售数据的第三时间特征值数据集，及基于时间注意力机制，分别对所述目标销量和各区域的各时间段的所述意向销售数据的第二时间特征值数据集进行学习，以获得各区域的各时间段的所述意向销售数据的第三时间特征值数据集；基于特征注意力机制，分别对所述目标销量、各区域的各时间段的所述销售数据的第三时间特征值数据集与各区域的各时间段的所述意向销售数据的第三时间特征值数据集进行学习，以获得各区域的各时间段的所述时间特征值数据集。4.根据权利要求1所述的方法，其特征在于，基于各区域的各时间段的所述时间特征值数据集及各区域的所述空间特征值数据集对第一模型进行训练，以获得时空表示数据集，包括：分别对各区域的各时间段的所述销售数据及所述意向销售数据进行线性变换，获得各区域的各时间段的所述销售数据的线性数据及所述意向销售数据的线性数据；基于各区域的各时间段的所述销售数据的线性数据及所述意向销售数据的线性数据，各区域的各时间段的所述时间特征值数据集及各区域的所述空间特征值数据集对第一模型进行训练，以获得所述时空表示数据集。2CN113743969A权利要求书2/2页5.根据权利要求4所述的方法，其特征在于，基于各区域的各时间段的所述时间特征值数据集及各区域的所述空间特征值数据集对第一模型进行训练，以获得时空表示数据集，还包括：对所述时空表示数据集进行池化处理，以获得最终的时空表示数据集。6.根据权利要求1所述的方法，其特征在于，基于各区域的各时间段的所述时间特征值数据集及各区域