[发明专利]产品流转量预测方法、装置、电子设备和存储介质

说明书

本公开实施例公开了一种产品流转量预测方法、装置、电子设备和存储介质。该产品流转量预测方法包括：获取在第一历史时间段序列中的第一历史时间段进行产品流转的历史产品流转量，以及在第二历史时间段序列中的第二历史时间段所提供服务的历史服务量，分别得到第一历史产品流转量序列和第一历史服务量序列，其中，上述第一历史产品流转量对应的产品流转区域，与上述第一历史服务量对应的服务区域相同；采用预先拟合的动态回归模型，基于上述第一历史产品流转量序列和上述第一历史服务量序列，生成针对上述产品流转区域的预测产品流转量。本公开实施例可以提高产品流转量预测的准确度。

技术领域

本公开涉及人工智能技术领域，尤其是一种产品流转量预测方法、装置、电子设备和存储介质。

背景技术

现有技术中，产品流转量预测的方法，多是采用单一经验加同时期类比的方法。

举例而言，在预测二手房的总交易额(GTV，Gross Transaction Value)时，通常是将去年各城市的交易GTV作为参考，依据经验制定一定的增长比例，并通过经验以及季节性类比，将乘以增长比例后的GTV分配到各个月份，作为各月份的目标值。然而，目前使用的经验法会面临两个主要问题。问题一：对于几百个服务的城市，需要对每个城市逐一人工制定目标，并且逐月进行修正，使用经验法制定目标的人对从业经验要求非常高，因此导致该方法推广使用具有很大的局限性。问题二：不同的城市二手房交易的规律不同，单一的经验法加类比不能涵盖每个城市的交易规律，因此将经验法预测的结果作为目标，会和实际结果有比较大的偏差，使目标的制定失去其原有价值。

可见，如何提高产品流转量预测的准确度，是一个值得关注的问题。

发明内容

本公开实施例提供一种产品流转量预测方法、装置、电子设备和存储介质，采用动态回归模型，基于第一历史产品流转量序列和第一历史服务量序列，生成针对产品流转区域的预测产品流转量，从而提高了产品流转量预测的准确度。

根据本公开实施例的第一个方面，提供的一种产品流转量预测方法，包括：

获取在第一历史时间段序列中的第一历史时间段进行产品流转的历史产品流转量，以及在第二历史时间段序列中的第二历史时间段所提供服务的历史服务量，分别得到第一历史产品流转量序列和第一历史服务量序列，其中，所述第一历史产品流转量序列中的第一历史产品流转量对应的产品流转区域，与所述第一历史服务量序列中的第一历史服务量对应的服务区域相同；

采用预先拟合的动态回归模型，基于所述第一历史产品流转量序列和所述第一历史服务量序列，生成针对所述产品流转区域的预测产品流转量。

可选地，在本公开任一实施例的方法中，所述采用预先拟合的动态回归模型，基于所述第一历史产品流转量序列和所述第一历史服务量序列，生成针对所述产品流转区域的预测产品流转量，包括：

将所述第一历史产品流转量序列中的第一历史产品流转量作为预先拟合的动态回归模型的被解释变量，将所述第一历史服务量序列中的第一历史服务量作为所述动态回归模型的解释变量，生成针对所述产品流转区域的预测产品流转量。

可选地，在本公开任一实施例的方法中，所述方法还包括：

获取在第三历史时间段序列中的第三历史时间段进行产品流转的历史产品流转量，以及在第四历史时间段序列中的第四历史时间段所提供服务的历史服务量，分别得到第二历史产品流转量序列和第二历史服务量序列；

基于所述第二历史产品流转量序列和所述第二历史服务量序列，确定动态回归模型的待拟合系数的值，生成预先拟合的动态回归模型。

可选地，在本公开任一实施例的方法中，所述基于所述第二历史产品流转量序列和所述第二历史服务量序列，确定动态回归模型的待拟合系数的值，生成预先拟合的动态回归模型，包括：