销量预测模型的训练方法、装置及电子设备、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CN113723985A(43)申请公布日2021.11.30(21)申请号202110242143.3(22)申请日2021.03.04(71)申请人京东城市（北京）数字科技有限公司地址100086北京市海淀区知春路76号(写字楼)1号楼9层1-7-5号(72)发明人宋礼郑宇张钧波(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人韩海花(51)Int.Cl.G06Q30/02(2012.01)G06Q30/06(2012.01)G06N20/00(2019.01)权利要求书4页说明书22页附图9页(54)发明名称销量预测模型的训练方法、装置及电子设备、存储介质(57)摘要本申请提出了一种销量预测模型的训练方法及装置，该方法包括采集多个品类商品的第一历史销售数据，并基于所述第一历史销售数据，生成第一训练样本集；基于所述第一训练样本集对基础销量预测模型进行训练，生成目标基础销量预测模型；采集目标商品的第二历史销售数据，并基于所述第二历史销售数据，生成所述目标商品的第二训练样本集；基于所述第二训练样本集，对所述目标基础销量预测模型进行调整，以生成所述目标商品对应的目标销量预测模型。本申请中，以生成的高精准的目标基础销量预测模型作为单品类商品对应的基础预测模型，实现了对于具有小样本历史销售数据特征的单品类目标商品的销量预测，同时有效保证了销量预测的准确度和精准度。CN113723985ACN113723985A权利要求书1/4页1.一种销量预测模型的训练方法，其特征在于，包括：采集多个品类商品的第一历史销售数据，并基于所述第一历史销售数据，生成第一训练样本集；基于所述第一训练样本集对基础销量预测模型进行训练，生成目标基础销量预测模型；采集目标商品的第二历史销售数据，并基于所述第二历史销售数据，生成所述目标商品的第二训练样本集；基于所述第二训练样本集，对所述目标基础销量预测模型进行调整，以生成所述目标商品对应的目标销量预测模型。2.根据权利要求1所述的销量预测模型的训练方法，其特征在于，所述基于所述第二训练样本集，对所述目标基础销量预测模型进行调整，包括：对所述目标基础销量预测模型进行备份；基于所述第二训练样本集，对备份的所述目标基础销量预测模型进行调整，生成所述目标商品对应的目标销量预测模型。3.根据权利要求1所述的销量预测模型的训练方法，其特征在于，采用如下方式生成训练样本集：基于预设的滑动窗口，从采集的历史销售数据中提取出N个时间点对应的所述历史销售数据；提取第N+1个时间点的时间特征和所述N+1个时间点的实际销量；将所述N个时间点的所述历史销售数据、所述N+1个时间点的时间特征和所述N+1个时间点的实际销量作为所述训练样本集中的一组训练样本，并继续滑动所述滑动窗口至预设滑动次数，以生成所述训练样本集。4.根据权利要求3所述的销量预测模型的训练方法，其特征在于，还包括：获取所述N+1个时间点的时间属性信息；基于所述时间属性信息，对所述N+1个时间点进行编码，生成所述N+1个时间点的时间特征。5.根据权利要求3所述的销量预测模型的训练方法，其特征在于，还包括：从所述训练样本集中提取最大历史销量和最小历史销量；根据所述最大历史销量和所述最小历史销量，对所述训练样本集中的每个训练样本的历史销量进行归一化处理。6.根据权利要求1所述的销量预测模型的训练方法，其特征在于，采用如下方式生成历史销售数据：获取商品订单，对所述商品订单进行合并，生成任一品类的订单数据；对所述任一品类的订单数据进行关键字段提取，对提取的所述关键字段对应的数据进行组合，生成所述任一品类的历史销售数据。7.根据权利要求6所述的销量预测模型的训练方法，其特征在于，所述生成所述任一品类的历史销售数据之后，还包括：根据所述任一品类的历史销售数据，确定所述任一品类在设定时长内的销量；响应于所述设定时长内的销量小于预设销量阈值，则清除所述任一品类的历史销售数2CN113723985A权利要求书2/4页据。8.根据权利要求6所述的销量预测模型的训练方法，其特征在于，所述对所述商品订单进行合并，生成任一品类的订单数据，包括：获取所述商品订单的生成时刻和商品品类；确定所述商品品类与所述任一品类一致的第一候选商品订单；针对所述任一品类，根据所述第一候选商品订单的生成时刻，确定属于同一时间段内的商品订单；将属于所述同一时间段内的商品订单进行合并，以生成所述任一品类的订单数据。9.根据权利要求6所述的销量预测模型的训练方法，其特征在于，所述对所述商品订单进行合并，生成所述任一品类的订单数据，包括：获取所述商品订单对应的商品品类和品类等级；根据所述商品品类，确定属于所述任一品类的第二候选商品订