[发明专利]商品销量预测及模型训练方法、装置以及设备

说明书

本公开提出了一种商品销量预测及模型训练方法、装置以及设备。获取商品在至少一个维度下的排名信息；基于排名信息，将对应于同一维度的商品的排名和至少一个其他商品的排名进行特征组合；以及将得到的特征输入预测模型，以得到预测模型针对商品的销量爆发系数的预测结果，其中，销量爆发系数用于表征商品在活动期间的销量相对于活动期间之前的平日的销量的变化程度。由此，本公开通过对商品及其他商品的排名进行特征组合，可以使得最终得到的特征能够很好地表征商品及与其具有竞争关系的其他商品之间的关系，并且通过对销量爆发系数进行预测，可以避免由于特征空间的迁移导致的销量预测偏低的问题，从而可以提高销量预测的准确性。

技术领域

本公开涉及商品销量预测及模型训练方法、装置以及设备。

背景技术

预测是对事物的发展趋势和在未来时期的数量表现做出推测和估计。目前，预测技术在各个领域中都起着举足轻重的作用。

以电子商务领域中的商品销量预测为例。由于市场行为的不确定性，使得销量预测是现代电子商务行为中控制缺货和滞销风险、控制供应链成本的重要手段，同时也是商家制定销售计划的重要参考。从横向看来，商品的销量行为在不同行业、不同季节、不同年份、大促与日常之间都有可能发生较大变化，其中时间间隔越长销量越难预估，行业内商品越杂乱销量越难预估，大促商品销量受促销活动影响较之日常也更难预估。从纵向看来，销量预测可以分为市场整体销量预测、行业整体销量预测、商家整体销量预测、商品粒度销量预测和SKU粒度商品销量预测，其中粒度越细，销量预测的难度也越高。

因此，如何提高预测的精准度，是目前亟需解决的问题。

发明内容

本公开的一个目的在于提供一种能够提高预测精准度的商品销量预测及模型训练方法、装置、设备以及存储介质。

根据本公开的第一个方面，提出了一种商品销量预测方法，包括：获取商品在至少一个维度下的排名信息；基于排名信息，将对应于同一维度的商品的排名和至少一个其他商品的排名进行特征组合；以及将得到的特征输入预测模型，以得到预测模型针对商品的销量爆发系数的预测结果，其中，销量爆发系数用于表征商品在活动期间的销量相对于活动期间之前的平日的销量的变化程度。

可选地，获取商品在至少一个或维度下的排名信息的步骤包括：获取商品及与商品具有同一属性特征的其他商品的特征数据；基于特征数据，对商品及其他商品进行排名，以得到商品的至少一个属性特征在至少一个排名维度下的排名信息。

可选地，特征数据包括以下至少一项：成交量；加购物车量；点击量；收藏量；以及评论数。

可选地，进行特征组合的步骤包括：根据与商品属于同一维度下的其他商品的排名，对商品的排名进行聚合。

可选地，对商品的排名进行聚合的步骤包括：使用高斯卷积核的方式对商品的排名进行聚合。

可选地，基于如下公式对商品的排名进行聚合，

其中，F_i为经过聚合后得到的特征矩阵，G为高斯函数，σ为根据商品的排名确定的标准差大小，R₁表示商品的多个属性特征在不同排名维度下的排名矩阵，R₂表示其他商品的多个属性特征在不同排名维度下的排名矩阵，y_j表示第j个属性特征。

可选地，商品销量预测方法，还包括：根据销量爆发系数和商品在平日的销量，对商品在活动期间的销量进行预测。

可选地，商品销量预测方法，还包括：向商家推送商品的销量的预测结果；并且/或者根据商品的销量的预测结果和商家的商品库存，向商家提供销售建议。