[发明专利]一种计算未上架物品销量的方法和装置

权利要求书

1.一种计算未上架物品销量的方法，其特征在于，包括：

从已上架的第一物品中筛选出未上架物品的相似物品；

根据所述未上架物品的相似物品的上架数据，计算所述未上架物品的补充特征；

将所述未上架物品的固有特征和补充特征输入到销量计算模型中，以输出所述未上架物品的销量；其中，所述销量计算模型采用已上架的第二物品的固有特征和补充特征对机器学习模型进行训练而得到。

2.根据权利要求1所述的方法，其特征在于，从已上架的第一物品中筛选出未上架物品的相似物品，包括：

对已上架的第一物品和未上架物品进行聚类，得到多个簇以及簇内各个物品之间的相似度；

将所述未上架物品所在簇内的各个物品作为所述未上架物品的相似物品。

3.根据权利要求2所述的方法，其特征在于，根据所述未上架物品的相似物品的上架数据，计算所述未上架物品的补充特征，包括：

根据所述未上架物品与其相似物品之间的相似度，计算所述未上架物品的相似物品的特征权重；

根据所述未上架物品的相似物品的上架数据，计算所述未上架物品的相似物品在各个维度的补充特征；

对于所述未上架物品在每个维度的补充特征，基于所述未上架物品的相似物品的特征权重对所述维度的补充特征进行加权求和，得到所述未上架物品在所述维度的补充特征。

4.根据权利要求3所述的方法，其特征在于，根据所述未上架物品与其相似物品之间的相似度，计算所述未上架物品的相似物品的特征权重，包括：

对于所述未上架物品的每个相似物品，计算所述相似物品与所述未上架物品之间的相似度，计算一与所述相似度之间的差值，从而得到所述相似物品的特征权重。

5.根据权利要求3所述的方法，其特征在于，所述上架数据包括以下至少一种：

销量数据、折扣数据、价格数据、天气数据、节日数据和库存数据。

6.根据权利要求1所述的方法，其特征在于，从已上架的第一物品中筛选出未上架物品的相似物品之前，还包括：

从已上架的第一物品中筛选出已上架的第二物品的相似物品；

根据所述第二物品的相似物品的上架数据，计算所述第二物品的补充特征；

将所述第二物品的固有特征和补充特征输入到机器学习模型并以所述第二物品的销量数据作为输出，通过迭代训练得到销量计算模型。

7.根据权利要求6所述的方法，其特征在于，所述机器学习模型为LightGBM。

8.根据权利要求6所述的方法，其特征在于，所述第一物品的上架时间早于所述第二物品的上架时间。

9.一种计算未上架物品销量的装置，其特征在于，包括：

筛选模块，用于从已上架的第一物品中筛选出未上架物品的相似物品；

特征模块，用于根据所述未上架物品的相似物品的上架数据，计算所述未上架物品的补充特征；

计算模块，用于将所述未上架物品的固有特征和补充特征输入到销量计算模型中，以输出所述未上架物品的销量；其中，所述销量计算模型采用已上架的第二物品的固有特征和补充特征对机器学习模型进行训练而得到。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，所述一个或多个处理器实现如权利要求1-8中任一所述的方法。

11.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。