数据处理方法及装置制造方法及图纸

本申请公开一种数据处理方法及装置。涉及计算机信息处理领域，该方法包括：根据第一对象的历史特征数据和历史销量数据获得所述第一对象的预测销量；根据所述第一对象的预测销量构建目标函数；根据给定条件获得约束条件；以及根据所述目标函数和所述约束条件获得所述第一对象的生产额。进一步的，本公开还提供了一种数据处理装置、电子设备及计算机可读介质。本申请公开的数据处理方法及装置，能够自动获得对象的生产额。

Data Processing Method and Device

【技术实现步骤摘要】
数据处理方法及装置
本专利技术涉及计算机信息处理领域，具体而言，涉及一种数据处理方法、数据处理装置、电子设备及计算机可读介质。
技术介绍
每年年初，大量的厂商要制定生产计划，生产产品来供应市场。因此，每个产品生产多少这个问题一直困扰着商家，生产多了，会带来库存费用；生产少了，不能使利润最大化。因此，需要制定合理的生产计划，来安排每个产品的产量或者生产额。现有的生产分配问题中，厂商往往采用目标函数为利润最大化的线性规划的方法。现有技术为了得到目标函数，需要知道很多生产规划，如产量与销量之间的相关性、各个产品之间的销量关系，以及产品过剩带来的库存费用等。这些规则一般通过有经验的专家人为制定的，这具有很强的主观性和不确定性。另外，随着市场的变化，这些规则不能及时的更新，也会带来一些不利的因素。因此，需要一种新的数据处理方法及装置。在所述
技术介绍
部分公开的上述信息仅用于加强对本专利技术的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
有鉴于此，本专利技术提供一种数据处理方法及装置、电子设备、计算机可读介质，能够自动获得对象的生产额，指导合理的生产计划。本专利技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本专利技术的实践而习得。根据本专利技术的一方面，提出一种数据处理方法，包括：根据第一对象的历史特征数据和历史销量数据获得所述第一对象的预测销量；根据所述第一对象的预测销量构建目标函数；根据给定条件获得约束条件；以及根据所述目标函数和所述约束条件获得所述第一对象的生产额。在本公开的一种示例性实施例中，还包括：获取所述第一对象的所述历史特征数据和所述历史销量数据；对所述历史特征数据进行预处理。在本公开的一种示例性实施例中，所述对所述历史特征数据进行预处理，包括：对所述历史特征数据中的不可量化数据，做一位有效编码处理；和/或对所述历史特征数据中的敏感数据进行分桶处理；和/或对所述历史特征数据中的空值，增加一列来表示对应的特征是否为空。在本公开的一种示例性实施例中，所述根据第一对象的历史特征数据和历史销量数据获得所述第一对象的预测销量，包括：将所述第一对象的历史特征数据和历史销量数据划分为测试集和训练集；根据所述训练集训练模型，通过所述模型获得所述历史特征数据和所述历史销量数据之间的关系；通过训练好的模型获得所述第一对象的预测销量。在本公开的一种示例性实施例中，所述根据所述训练集训练模型，包括：根据所述训练集采用两种或者两种以上的机器学习算法来训练，分别获得相应的模型。在本公开的一种示例性实施例中，所述通过训练好的模型获得所述第一对象的预测销量，包括：将各个模型的预测销量进行融合获得所述第一对象的所述预测销量。在本公开的一种示例性实施例中，还包括：分别根据所述测试集验证训练好的各个模型，获得各个模型的准确度。在本公开的一种示例性实施例中，所述将各个模型的预测销量进行融合获得所述第一对象的所述预测销量，包括：根据各个模型的准确度对各个模型的预测销量进行加权融合，获得所述第一对象的所述预测销量；其中，各个模型的预测销量的权重正相关于相应模型的准确度。在本公开的一种示例性实施例中，所述第一对象为指定品牌，所述指定品牌包括产品i和产品j，其中根据所述第一对象的预测销量构建的所述目标函数如以下公式所示：其中，D是求方差；wi是产品i的预测销量比例，xi是产品i的预测销量；wj是产品j的预测销量比例，xj是产品j的预测销量；N是所述指定品牌的产品数；cov(xi,xj)是产品i和产品j的预测销量的协方差。在本公开的一种示例性实施例中，其中产品i和产品j的预测销量的协方差cov(xi,xj)通过以下方式获得：通过第二对象的预测销量模拟获得所述第一对象的协方差cov(xi,xj)。在本公开的一种示例性实施例中，所述第二对象包括K个其他品牌，其中通过以下两个公式获得协方差cov(xi,xj)：其中，xik和xjk分别表示所述K个其他品牌中的第k个品牌在产品i的特征数据和产品j的特征数据下的预测销量。在本公开的一种示例性实施例中，所述根据给定条件获得约束条件，包括：在给定所述第一对象的销售额Q和销售量Z的情况下，获得的约束条件如下两公式所示：其中，pi为所述第一对象中的产品i制定的销售价格。在本公开的一种示例性实施例中，所述根据给定条件获得约束条件，还包括：在给定所述第一对象的产品i的分配资金Fi和成本Ci的情况下，获得的约束条件还包括如下两公式：在本公开的一种示例性实施例中，所述根据所述目标函数和所述约束条件获得所述第一对象的生产额，包括：根据所述目标函数和所述约束条件获得所述第一对象的产品i的预测销量比例wi；根据产品i的预测销量比例wi和产品i的预测销量xi获得产品i的生产额。在本公开的一种示例性实施例中，还包括：统计所述第一对象的各个产品的生产额获得所述第一对象的总生产额。根据本专利技术的一方面，提出一种数据处理装置，包括：预测销量模块，用于根据第一对象的历史特征数据和历史销量数据获得所述第一对象的预测销量；目标函数构建模块，用于根据所述第一对象的预测销量构建目标函数；约束条件获取模块，用于根据给定条件获得约束条件；以及生产额确定模块，用于根据所述目标函数和所述约束条件获得所述第一对象的生产额。根据本专利技术的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。根据本专利技术的一方面，提出一种计算机可读介质，其上存储有计算机程序，其特征在于，程序被处理器执行时实现如上文中的方法。根据本专利技术的数据处理方法及装置，通过对象的历史特征数据和历史销量数据获得该对象的预测销量，并根据该预测销量构建目标函数，从而能够根据该目标函数以及给定条件下的约束条件获得该对象的生产额，用于指导厂家或者卖家进行合理的生产计划。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本专利技术。附图说明通过参照附图详细描述其示例实施例，本专利技术的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据一示例性实施例示出的一种数据处理方法的系统架构。图2是根据一示例性实施例示出的一种数据处理方法的流程图。图3是根据一示例性实施例示出的另一种数据处理方法的流程图。图4是根据一示例性实施例示出的一种数据处理装置的框图。图5是根据一示例性实施例示出的一种电子设备的框图。图6是根据一示例性实施例示出的一种计算机可读介质示意图。具体实施例现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本专利技术将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本专利技术的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，包括：根据第一对象的历史特征数据和历史销量数据获得所述第一对象的预测销量；根据所述第一对象的预测销量构建目标函数；根据给定条件获得约束条件；以及根据所述目标函数和所述约束条件获得所述第一对象的生产额。

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：根据第一对象的历史特征数据和历史销量数据获得所述第一对象的预测销量；根据所述第一对象的预测销量构建目标函数；根据给定条件获得约束条件；以及根据所述目标函数和所述约束条件获得所述第一对象的生产额。2.如权利要求1所述的方法，其特征在于，还包括：获取所述第一对象的所述历史特征数据和所述历史销量数据；对所述历史特征数据进行预处理。3.如权利要求2所述的方法，其特征在于，所述对所述历史特征数据进行预处理，包括：对所述历史特征数据中的不可量化数据，做一位有效编码处理；和/或对所述历史特征数据中的敏感数据进行分桶处理；和/或对所述历史特征数据中的空值，增加一列来表示对应的特征是否为空。4.如权利要求1所述的方法，其特征在于，所述根据第一对象的历史特征数据和历史销量数据获得所述第一对象的预测销量，包括：将所述第一对象的历史特征数据和历史销量数据划分为测试集和训练集；根据所述训练集训练模型，通过所述模型获得所述历史特征数据和所述历史销量数据之间的关系；通过训练好的模型获得所述第一对象的预测销量。5.如权利要求4所述的方法，其特征在于，所述根据所述训练集训练模型，包括：根据所述训练集采用两种或者两种以上的机器学习算法来训练，分别获得相应的模型。6.如权利要求5所述的方法，其特征在于，所述通过训练好的模型获得所述第一对象的预测销量，包括：将各个模型的预测销量进行融合获得所述第一对象的所述预测销量。7.如权利要求6所述的方法，其特征在于，还包括：分别根据所述测试集验证训练好的各个模型，获得各个模型的准确度。8.如权利要求7所述的方法，其特征在于，所述将各个模型的预测销量进行融合获得所述第一对象的所述预测销量，包括：根据各个模型的准确度对各个模型的预测销量进行加权融合，获得所述第一对象的所述预测销量；其中，各个模型的预测销量的权重正相关于相应模型的准确度。9.如权利要求1所述的方法，其特征在于，所述第一对象为指定品牌，所述指定品牌包括产品i和产品j，其中根据所述第一对象的预测销量构建的所述目标函数如以下公式所示：其中，D是求方差；wi是产品i的预测销量比例，xi是产品i的预测销量；wj是产品j的预测销量比例，xj是产品j的预测销量；N是所...

【专利技术属性】
技术研发人员：葛波，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京,11