[发明专利]备货处理方法、装置、设备及存储介质

权利要求书

1.一种备货处理方法，其特征在于，包括：

接收备货调整请求，所述备货调整请求包括资源仓标识；

基于所述资源仓标识，在资源仓备货信息中查询并确定与所述资源仓标识对应的备货调整信息，所述备货调整信息包括资源标识及对应的资源备货量；所述资源仓备货信息是基于预定时期内资源相关特征数据以及训练好的分类模型确定的，所述分类模型包括预设轮数的二分类模型；

反馈所述备货调整信息，以便根据所述备货调整信息进行资源仓备货处理；

还包括：

对于每个资源仓标识，将所述资源仓标识对应区域的资源相关特征数据输入到各轮的二分类模型，获得所述预设轮数的分类结果；根据所述预设轮数的分类结果，确定所述资源仓标识对应的备货调整信息；

将各资源仓标识对应的备货调整信息进行存储，形成所述资源仓备货信息；

其中，所述分类模型是通过训练特征数据及各轮的标签数据，对预先建立的所述预设轮数的二分类网络进行训练获得的，针对每个资源仓，每个SKU资源推荐备货的件数具有最大值M，且所述预设轮数的值N与所述每个资源仓每个SKU资源推荐备货的件数的最大值M相同，N≥1，M≥1。

2.根据权利要求1所述的方法，其特征在于，根据所述预设轮数的分类结果，确定所述资源仓标识对应的备货调整信息，包括：

对于确定的每个资源标识，根据所述预设轮数的分类结果，选取其中最大数量作为该资源标识对应的资源备货量。

3.根据权利要求1所述的方法，其特征在于，在基于所述资源仓标识，在资源仓备货信息中查询并确定与所述资源仓标识对应的备货调整信息之前，所述方法还包括：

获取训练特征数据及各轮的标签数据；

基于所述训练特征数据及各轮的标签数据，对预先建立的所述预设轮数的二分类网络进行训练，获得所述分类模型。

4.根据权利要求3所述的方法，其特征在于，所述获取训练特征数据，包括：

获取预设的历史资源训练数据，所述历史资源训练数据至少包括销量数据、评论数据、流量数据、配送中心库存、资源信息、促销数据中的一种；

对所述历史资源训练数据进行特征提取，获得所述训练特征数据。

5.根据权利要求4所述的方法，其特征在于，对所述历史资源训练数据进行特征提取，获得所述训练特征数据，包括：

采用皮尔森相关系数确定所述历史资源训练数据中各特征的相关性；

采用主成分分析算法PCA对所述历史资源训练数据中的多维特征进行降维处理，获得降维后的特征；

采用one-hot编码对降维后的特征进行特征提取，获得所述训练特征数据。

6.一种备货处理装置，其特征在于，包括：

接收模块，用于接收备货调整请求，所述备货调整请求包括资源仓标识；

处理模块，用于基于所述资源仓标识，在资源仓备货信息中查询并确定与所述资源仓标识对应的备货调整信息，所述备货调整信息包括资源标识及对应的资源备货量；所述资源仓备货信息是基于预定时期内资源相关特征数据以及训练好的分类模型确定的，所述分类模型包括预设轮数的二分类模型；

发送模块，用于反馈所述备货调整信息，以便根据所述备货调整信息进行资源仓备货处理；

所述处理模块，具体用于：

对于每个资源仓标识，将所述资源仓标识对应区域的资源相关特征数据输入到各轮的二分类模型，获得所述预设轮数的分类结果；根据所述预设轮数的分类结果，确定所述资源仓标识对应的备货调整信息；

将各资源仓标识对应的备货调整信息进行存储，形成所述资源仓备货信息；

其中，所述分类模型是通过训练特征数据及各轮的标签数据，对预先建立的所述预设轮数的二分类网络进行训练获得的，针对每个资源仓，每个SKU资源推荐备货的件数具有最大值M，且所述预设轮数的值N与所述每个资源仓每个SKU资源推荐备货的件数的最大值M相同，N≥1，M≥1。

7.一种计算机设备，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现权利要求1-5中任一项所述的方法。

8.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现权利要求1-5中任一项所述的方法。