即将到期库存的需求预测制造技术

本公开包括用于基于即将到期库存的价格来预测需求的方法。在线系统提供即将到期库存的管理者与多个客户之间的连接。在线系统为在线系统的客户提供用于管理者的即将到期库存的列表。管理者指定列表中即将到期库存的价格，并且被提供由在线系统生成的价格提示。需求函数基于列表和即将到期库存的特征来预测针对即将到期库存的需求。管理者选项函数预测管理者接受价格提示的可能性。在线系统使用需求函数和管理者选项函数来创建蒙特卡洛定价模型，以向管理者提供针对列表的价格提示。

【技术实现步骤摘要】
【国外来华专利技术】即将到期库存的需求预测
本申请总体涉及机器学习模型和数据分析在即将到期库存背景下的使用，并且特别涉及将训练标签分配给与即将到期库存相关的机器学习样本数据。
技术介绍
在针对商品或服务的典型交易中，控制或拥有商品的管理者设定商品的价格，并等待感兴趣的一方同意支付所提出的价格。管理者经常无法正确地定价商品，但由于市场信息不完整以及其他经济因素，有人可能会最终同意支付价格。但是，定价即将到期库存是一项更具挑战性的工作，因为如果库存未能在到期之前售出，则会浪费库存而管理者不会收到任何收入。因此，即将到期库存的管理者很容易对库存定价过高，冒着因到期而损失收入的风险，或者对库存定价过低，在使用良好的情况下收益欠佳。此外，针对即将到期库存的理想或期望市场清算价格可能会随着库存接近其到期日期而变化。这些因素的组合使得即将到期库存的管理者难以对其库存进行最佳定价。
技术实现思路
在线系统使得管理者能够为即将到期库存创建列表，并使客户能够提交交易请求以预定、租赁或购买列出的即将到期库存。在线系统估计对即将到期库存列表的需求，并估计管理者在一定价格范围内定价列表的可能性。在线系统定义描述即将到期库存、相关列表以及即将到期库存市场的特征集。这些描述特征集是针对列表的特征向量。在线系统通过将该列表的特征向量输入需求函数，来估计对列表的需求。在线系统通过将特征向量输入管理者选项函数，来估计管理者定价列表的可能性。根据实施例，用于需求函数的特征向量可以包括来自管理者选项函数的不同特征集。此外，除描述列表的特征之外，管理者选项函数还可以包括描述管理者的特征。需求函数包括针对特征向量中每个特征的特征模型，其中特征向量中的每个特征与特征模型相关联。需求函数可以是广义相加模型，其对特征模型求和以生成需求估计。在线系统可以使用训练数据训练需求函数，其中来自训练数据的每个样本包括二元标签和特征向量，二元标签描述列表中的即将到期库存是否在到期之前收到来自客户的交易请求，特征向量描述每个样本时间处的即将到期库存列表。在线系统可以收集用于单个列表的多个样本，其中每个样本对应于即将到期库存到期之前的时间段内即将到期库存列表的特征。管理者选项模型与需求模型类似地被创建。特征向量中的每个特征具有关联特征模型，并且这些特征模型可以使用广义相加模型进行组合以生成与管理者将选择以通过系统提供的提示、以给出的价格来定价即将到期库存的可能性相关联的接受估计。虽然两个函数的特征可能重叠，但这两个函数使用不同的训练数据和训练标签。用于具有正标签的管理者选项函数的训练数据的每个样本对应于管理者过去为接收到交易的即将到期列表设定的价格。用于管理者选项函数的负训练数据在管理者设定的最低价格与0价格之间随机生成。然后，在线系统使用可能性模型将需求估计转换为从客户收到交易请求的可能性。在线系统使用单独可能性模型将接受估计转换为管理者以给定价格定价列表的可能性。然后，在线系统可以为即将到期库存的管理者创建价格提示。在线系统通过生成大于或小于即将到期库存当前价格的测试价格集计算价格提示。然后，在线系统将即将到期库存列表的修改特征向量输入需求函数，每个修改特征向量具有不同的测试价格。利用相同的过程生成用于管理者选项模型的多个测试价格和修改特征向量。需求函数和管理者选项函数均生成测试需求估计集和测试接受估计集，在线系统使用可能性模型将其转换为测试可能性集。在线系统可以基于由可能性函数生成的数据点拟合函数，每个数据点包括测试可能性和产生测试可能性的相应测试价格。拟合为需求函数数据点的函数表示价格范围及其所导致的收到交易请求的预测可能性。拟合为管理者选项函数数据点的函数表示价格范围及其所导致的管理者以该价格接受价格提示的预测可能性。然后，将两个可能性与价格函数进行组合，以创建累积可能性函数。然后，在线系统使用累积可能性函数来创建价格提示。附图说明图1是根据一个实施例，包括在线系统的计算环境的框图，在线系统使得即将到期库存可以预订。图2是根据一个实施例的在线系统的逻辑部件的框图。图3A-3C是示出根据一个实施例的定价模块的部件和操作的图。图4A-4D示出根据一个实施例，用于需求函数的定价模块所使用的训练数据的标签逻辑。图5A示出根据一个实施例，用于存储需求函数的定价模块所使用的训练数据的示例存储。图5B示出根据一个实施例，用于存储管理者选项函数的定价模块所使用的训练数据的示例存储。图6示出根据一个实施例的特征模型。图7A-7B示出根据一个实施例的示例需求特征模型。图7C-7D示出根据一个实施例的示例管理者选项模型。图8A示出根据一个实施例，定价模块所使用的需求可能性模型。图8B示出根据一个实施例，定价模块所使用的管理者选项可能性模型。图9A-9C示出根据一个实施例，为列表创建需求模型的过程。图9D-9F示出根据一个实施例，为列表创建管理者选项模型的过程。图10示出根据一个实施例，为列表创建蒙特卡洛定价模型。图11是根据一个实施例的灵活定价策略的概念图。附图仅出于说明性目的描绘本专利技术的各种实施例。从以下讨论中，本领域技术人员将容易地认识到，可以在不脱离本文所述的本专利技术原则的情况下采用本文所述结构和方法的替代实施例。具体实施方式I.系统总览图1是根据一个实施例，包括在线系统的计算环境的框图，在线系统用于提供即将到期库存以便购买、租赁、出租、预定等。网络109表示交易的一方(本文中称为客户102A)与交易的另一方(本文中称为管理者102B)之间的通信途径。为了清楚地说明，客户包括价值的潜在购买者、租客、承租人、持有预定的客户或考虑以任何形式交换即将到期库存的任意其它方。为了清楚地说明，管理者包括即将到期库存物品的卖家、房东和代表房东管理财产的财产所有者、出租人、管理库存预订的人(如售票员或餐厅或酒店预订人员)，或接收(以任何形式)交换即将到期库存的考虑的任意其它方。根据正在交易的即将到期库存的类型，可以出售、租赁、预定即将到期库存等。为了解释地说明，这些不同类型的交易在本文中被称为“预订”以提供用于整套可能交易类型的统一便利术语。在线系统111包括一个或多个计算设备，并且跨越网络109耦合与客户和管理者相关联的计算设备101，以允许客户和管理者通过网络109虚拟地进行交互。在一个实施例中，网络是因特网。网络还可以利用不一定是因特网一部分的专用或私用通信链路(如广域网(WAN)、城域网(MAN)或局域网(LAN))。网络使用标准通信技术和/或协议。客户和管理者使用计算设备101与在线系统113交互。计算设备101执行操作系统，例如，与MicrosoftWindows兼容的操作系统(OS)、AppleOSX或iOS、Linux发行版或Google的AndroidOS。在一些实施例中，客户设备101可以使用诸如MicrosoftInternetExplorer、MozillaFirefox、GoogleChrome、AppleSafari和/或Opera等网络浏览器113作为用户友好图形界面，用于与在线系统111交互。在其它实施例中，计算设备101可以执行用于访问在线系统111的专用软件应用程序。在线系统111为客户和管理者提供计算平台，以经由其计算设备101进行交互以交易即将到期库存。在线系本文档来自技高网...

【技术保护点】
1.一种计算机执行方法，包括：在在线计算系统处接收用于主题列表的第一特征向量和第二特征向量，所述主题列表包括能够由所述在线计算系统的多个客户中的一个客户预订并由管理者管理的即将到期库存，所述第一特征向量和所述第二特征向量各自包括所述列表的多个特征，所述列表包括指示所述即将到期库存的当前价格的价格特征；将所述第一特征向量输入到需求函数中，以生成需求估计，所述需求估计是在所述即将到期库存到期前，所述即将到期库存将从所述客户中的一个客户收到交易请求的可能性的数字表示；将所述第二特征向量输入到管理者选项函数中，以生成接受估计，所述接受估计是所述即将到期库存的所述管理者愿意以所述当前价格将所述即将到期库存提供给客户的可能性的数字表示；以及存储所述需求估计和所述接受估计。

【技术特征摘要】
【国外来华专利技术】2016.07.18 US 15/213,0621.一种计算机执行方法，包括：在在线计算系统处接收用于主题列表的第一特征向量和第二特征向量，所述主题列表包括能够由所述在线计算系统的多个客户中的一个客户预订并由管理者管理的即将到期库存，所述第一特征向量和所述第二特征向量各自包括所述列表的多个特征，所述列表包括指示所述即将到期库存的当前价格的价格特征；将所述第一特征向量输入到需求函数中，以生成需求估计，所述需求估计是在所述即将到期库存到期前，所述即将到期库存将从所述客户中的一个客户收到交易请求的可能性的数字表示；将所述第二特征向量输入到管理者选项函数中，以生成接受估计，所述接受估计是所述即将到期库存的所述管理者愿意以所述当前价格将所述即将到期库存提供给客户的可能性的数字表示；以及存储所述需求估计和所述接受估计。2.根据权利要求1所述的计算机执行方法：其中所述需求函数包括多个需求特征模型，所述第一特征向量中的每个特征与所述需求特征模型中的一个需求特征模型相关联；以及其中所述管理者选项函数包括多个管理者选项特征模型，所述第二特征向量中的每个特征与所述管理者选项特征模型中的一个管理者选项特征模型相关联。3.根据权利要求2所述的计算机执行方法：其中所述需求函数包括广义相加模型，所述广义相加模型包括所述需求特征模型；以及其中所述管理者选项函数包括广义相加模型，所述广义相加模型包括所述管理者选项特征模型。4.根据权利要求1所述的计算机执行方法：其中所述管理者选项函数在训练数据上训练，其中来自所述训练数据的每个样本包括训练即将到期库存的二元标签和训练特征向量，正标签表示在所述训练即将到期库存到期前训练即将到期库存是否被定价并收到交易请求，所述训练特征向量具有与所述训练即将到期库存相关联的训练列表的多个特征。5.根据权利要求4所述的计算机执行方法：其中所述特征向量进一步包括到期前时间段特征，所述到期前时间段特征指示所述即将到期库存到期前的持续时间。6.根据权利要求5所述的计算机执行方法：其中具有负二元标签的所述训练数据具有生成的训练特征向量，所述生成的训练特征向量具有随机生成的价格特征。7.根据权利要求6所述的计算机执行方法：其中所述随机生成的价格特征在即将到期库存的最低价格与零之间被随机生成。8.根据权利要求1所述的计算机执行方法，进一步包括：生成大于或小于所述即将到期库存的所述价格的测试价格集；针对所述测试价格集中的每个测试价格，将用所述测试价格替换所述当前价格的所述第一特征向量的修改版输入到所述需求函数中，以便生成测试需求估计；针对所述测试价格集中的每...

【专利技术属性】
技术研发人员：Y·H·叶，张力，C·佩利卡诺，叶鹏，
申请(专利权)人：空中食宿公司，
类型：发明
国别省市：美国,US