[发明专利]商品销量预测方法、装置、计算机设备

权利要求书

1.一种商品销量预测方法，其特征在于，包括：

获取目标用户观看视频时的行为数据、所述目标用户的基础信息、所述视频的基础信息、所述目标用户对所述视频相关的周边产品的消费信息，所述行为数据包括所述目标用户对番剧的搜索、观看、观看时长，以及对番剧的投币，发表评论，弹幕、分享行为信息；

根据所述行为数据、所述目标用户的基础信息、所述视频的基础信息以及所述消费信息，采用预先训练好的商品销量预测模型获取所述目标用户购买所述周边产品的概率值；

根据各个目标用户购买所述周边产品的概率值以及观看所述视频的总人数计算所述周边产品的销量；

所述根据各个目标用户购买所述周边产品的概率值以及观看所述视频的总人数计算所述周边产品的销量，包括：

将目标用户购买所述周边产品的概率值划分为预设个区间段；

统计各个区间段包含的目标用户的数量；

获取各个区间段与真实购买率之间的映射关系，所述真实购买率为通过统计所有的训练样本数据集或者测试样本数据集在各个区间段的真实购买率得到；

根据所述映射关系与所述各个区间段包含的目标用户的数量计算所述周边产品的销量。

2.根据权利要求1所述的商品销量预测方法，其特征在于，所述根据各个目标用户购买所述周边产品的概率值以及观看所述视频的总人数计算所述周边产品的销量包括：

将所有目标用户购买所述周边产品的概率值之和作为所述周边产品的销量。

3.根据权利要求1所述的商品销量预测方法，其特征在于，所述商品销量预测方法还包括：

获取训练样本数据集，其中，所述训练样本数据集中的每一个训练样本数据包括用户观看视频时的行为数据、用户的基础信息、所述视频的基础信息、用户对所述视频相关的周边产品的消费信息；

将所述训练样本数据集输入至预设的机器学习模型中进行训练，直至所述机器学习模型的损失函数收敛，结束训练，得到所述商品销量预测模型。

4.根据权利要求1所述的商品销量预测方法，其特征在于，所述将目标用户购买所述周边产品的概率值划分为预设个区间段包括：

将目标用户购买所述周边产品的概率值划分为0-0.2、0.2-0.4、0.4-0.6、0.6-0.8、0.8-1.0五个区间段，其中，每一个所述区间段包含其中的最大值，不包含其中的最小值。

5.根据权利要求1所述的商品销量预测方法，其特征在于，所述获取各个区间段与真实购买率之间的映射关系包括：

将测试样本数据集输入至所述商品销量预测模型，以得到用户购买所述周边产品的概率值，其中，所述测试样本数据集中的每一个测试样本数据包括用户观看视频时的行为数据、用户的基础信息、所述视频的基础信息、用户对所述视频相关的周边产品的消费信息；

统计得到的概率值在所述各个区间段的数量；

统计所述测试样本数据集中的各个区间段的真实购买数量；

根据所述各个区间段的数量与所述各个区间段的真实购买数量确定所述各个区间段与所述真实购买率之间的映射关系。

6.根据权利要求1至5任一项所述的商品销量预测方法，其特征在于，所述目标用户的基础信息包括：用户标识、性别、年龄、消费等级和常住地址；

所述视频的基础信息包括播放量、关注人数、评分、视频类型。