商品资源分配方法、装置及电子设备制造方法及图纸

本申请提供了一种商品资源分配方法、装置及电子设备，其中，该方法包括：获取目标商品的历史资源分配数据，历史资源分配数据包括：商品成本数据、商品宣传资源数据、商品回馈资源数据、以及商品销售数据中的至少一项数据；根据将历史资源分配数据构建销售预测模型；根据销售预测模型、以及销售预测模型对应的目标资源分配数据确定出资源分配决策模型，目标资源分配数据包括：目标宣传资源数据、目标回馈资源数据；计算资源分配决策模型的目标可行解，目标可行解中包括目标资源分配数据中的各项数据的取值，其中，各项数据的取值作为商品资源的分配结果。

【技术实现步骤摘要】
商品资源分配方法、装置及电子设备
本申请涉及数据处理
，具体而言，涉及一种商品资源分配方法、装置及电子设备。
技术介绍
现有的商品的销售价格，一般会根据其成本定价。但是由于影响商品的成本的因素有很多，因此目前的商品定价的方式可能会导致确定的商品定价不准确。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种商品资源分配方法、装置及电子设备。能够达到提高商品资源的分配的合理性的效果。第一方面，本申请实施例提供了一种商品资源分配方法，包括：获取目标商品的历史资源分配数据，所述历史资源分配数据包括：商品成本数据、商品宣传资源数据、商品回馈资源数据、以及商品销售数据中的至少一项数据；根据将所述历史资源分配数据构建销售预测模型；根据所述销售预测模型、以及所述销售预测模型对应的目标资源分配数据确定出资源分配决策模型，所述目标资源分配数据包括：目标宣传资源数据、目标回馈资源数据；计算所述资源分配决策模型的目标可行解，所述目标可行解中包括所述目标资源分配数据中的各项数据的取值，其中，所述各项数据的取值作为商品资源的分配结果。在一可选的实施方式中，所述根据将所述历史资源分配数据构建销售预测模型，包括：将所述历史资源分配数据进行分析，以确定出所述历史资源分配数据中的各类数据在不同时期的影响权重；根据各类数据在不同时期的所述影响权重，确定出训练数据；将所述训练数据输入机器学习模型进行训练，以得到销售预测模型。本申请实施例提供的商品资源分配方法，还可以根据历史数据分析出商品的各项资源数据对应的影响权重，从而可以根据影响权重确定出训练数据。进一步地，使用训练数据对模型进行训练，可以使训练过程中的能够重点影响权重更大的数据，从而可以得到更准确预测销售的销售预测模型。在一可选的实施方式中，所述销售预测模型包括：指定数量的子销售预测模型；所述将所述训练数据输入机器学习模型进行训练，以得到销售预测模型，包括：将指定数量组的训练数据分别输入一机器学习模型进行训练，以得到销售预测模型，以得到所述指定数量的子销售预测模型。本申请实施例提供的商品资源分配方法，还可以针对不同时期训练不同的子销售预测模型，从而可以使用各个子销售预测模型对各个时期的销售情况进行预测，从而可以使各个子销售预测模型能够相对更准确地实现销售的预测。在一可选的实施方式中，所述将所述历史资源分配数据进行分析，以确定出所述历史资源分配数据中的各类数据在不同时期的影响权重，包括：获取每个第一类周期中的相同位次的第二类周期中的历史资源分配数据形成所述指定数量的目标数据集，每个所述第一类周期中包括所述指定数量的第二类周期；将所述指定数量的目标数据集进行分析，以得到每个第二类周期中的各类数据的影响权重；所述根据各类数据在不同时期的所述影响权重，确定出训练数据，包括：根据每个第二类周期中的各类数据在不同时期的影响权重，确定出每个第二类周期对应的所述指定数量组的训练数据。本申请实施例提供的商品资源分配方法，还可以将每个第一类周期划分成多个第二类周期进行分析，得到的训练数据是每个第二类周期对应的指定数量组的训练数据，从而可以针对各个第二类周期训练出对应的子销售预测模型。从而可以使每个子销售预测模型能够更好地表达或预测出对应的第二类周期内的商品销售情况。在一可选的实施方式中，所述根据所述销售预测模型、以及所述销售预测模型对应的目标资源分配数据确定出资源分配决策模型，包括：根据所述指定数量的子销售预测模型、以及各个子销售预测模型对应的目标商品回馈资源数据、以及目标商品销售数据确定目标收入模型；根据所述指定数量的子销售预测模型、以及各个子销售预测模型对应的目标商品成本数据、目标商品宣传资源数据、以及目标商品销售数据确定目标输出模型；根据所述目标收入模型和所述目标输出模型确定资源分配决策模型。本申请实施例提供的商品资源分配方法，还可以根据目标收入模型和目标输出模型确定出资源分配决策模型，从而使资源分配决策模型能够更好地表达出各个资源数据相互之间的影响，从而可以使确定出的资源分配结果更加准确。在一可选的实施方式中，所述根据所述目标收入模型和所述目标输出模型确定资源分配决策模型，包括：根据所述目标输出模型构建限制条件；将所述目标收入模型与所述目标输出模型相减，得到资源分配模型；所述限制条件及所述资源分配模型构成所述资源分配决策模型。本申请实施例提供的商品资源分配方法，还可以为资源分配决策模型确定出限制条件，从而可以减少在计算商品资源的分配结果时的无止的计算过程，从而可以提高确定商品资源的分配结果的效率。在一可选的实施方式中，所述计算所述资源分配决策模型的目标可行解，包括：使用元启发式算法计算所述资源分配决策模型的目标可行解。本申请实施例提供的商品资源分配方法，还可以使用元启发式算法对资源分配决策模型进行计算，从而可以更快地计算出目标可行解。第二方面，本申请实施例还提供一种商品资源分配装置，包括：获取模块，用于获取目标商品的历史资源分配数据，所述历史资源分配数据包括：商品成本数据、商品宣传资源数据、商品回馈资源数据、以及商品销售数据中的至少一项数据；构建模块，用于根据将所述历史资源分配数据构建销售预测模型；确定模块，用于根据所述销售预测模型、以及所述销售预测模型对应的目标资源分配数据确定出资源分配决策模型，所述目标资源分配数据包括：目标宣传资源数据、目标回馈资源数据；计算模块，用于计算所述资源分配决策模型的目标可行解，所述目标可行解中包括所述目标资源分配数据中的各项数据的取值，其中，所述各项数据的取值作为商品资源的分配结果。第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面的任一种可能的实施方式中的商品资源分配方法的步骤。第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面的任一种可能的实施方式中商品资源分配方法的步骤。本申请实施例提供的商品资源分配方法、装置、电子设备及计算机可读存储介质，采用商品的历史资源分配数据构建出销售预测模型，从而可以实现未来各个时间的商品销售的预测，再根据销售预测模型构建资源分配决策模型，从而可以基于资源分配决策模型营收相对大的规则确定出目标资源分配数据中的各项数据的取值，从而可以确定出商品资源的分配结果，与现有技术中的直接基于成本价确定出的商品销售价格相比，其能够结合商品成本数据、商品宣传资源数据、商品回馈资源数据、以及商品销售数据等多项数据，从而可以减少商品资源分配偏差的情况。为使本申请的上述目的、特征和优点能更明显易懂，下文特举实施例本文档来自技高网...

【技术保护点】
1.一种商品资源分配方法，其特征在于，包括：/n获取目标商品的历史资源分配数据，所述历史资源分配数据包括：商品成本数据、商品宣传资源数据、商品回馈资源数据、以及商品销售数据中的至少一项数据；/n根据将所述历史资源分配数据构建销售预测模型；/n根据所述销售预测模型、以及所述销售预测模型对应的目标资源分配数据确定出资源分配决策模型，所述目标资源分配数据包括：目标宣传资源数据、目标回馈资源数据；/n计算所述资源分配决策模型的目标可行解，所述目标可行解中包括所述目标资源分配数据中的各项数据的取值，其中，所述各项数据的取值作为商品资源的分配结果。/n

【技术特征摘要】
1.一种商品资源分配方法，其特征在于，包括：
获取目标商品的历史资源分配数据，所述历史资源分配数据包括：商品成本数据、商品宣传资源数据、商品回馈资源数据、以及商品销售数据中的至少一项数据；
根据将所述历史资源分配数据构建销售预测模型；
根据所述销售预测模型、以及所述销售预测模型对应的目标资源分配数据确定出资源分配决策模型，所述目标资源分配数据包括：目标宣传资源数据、目标回馈资源数据；
计算所述资源分配决策模型的目标可行解，所述目标可行解中包括所述目标资源分配数据中的各项数据的取值，其中，所述各项数据的取值作为商品资源的分配结果。


2.根据权利要求1所述的方法，其特征在于，所述根据将所述历史资源分配数据构建销售预测模型，包括：
将所述历史资源分配数据进行分析，以确定出所述历史资源分配数据中的各类数据在不同时期的影响权重；
根据各类数据在不同时期的所述影响权重，确定出训练数据；
将所述训练数据输入机器学习模型进行训练，以得到销售预测模型。


3.根据权利要求2所述的方法，其特征在于，所述销售预测模型包括：指定数量的子销售预测模型；所述将所述训练数据输入机器学习模型进行训练，以得到销售预测模型，包括：
将指定数量组的训练数据分别输入一机器学习模型进行训练，以得到销售预测模型，以得到所述指定数量的子销售预测模型。


4.根据权利要求3所述的方法，其特征在于，所述将所述历史资源分配数据进行分析，以确定出所述历史资源分配数据中的各类数据在不同时期的影响权重，包括：
获取每个第一类周期中的相同位次的第二类周期中的历史资源分配数据形成所述指定数量的目标数据集，每个所述第一类周期中包括所述指定数量的第二类周期；
将所述指定数量的目标数据集进行分析，以得到每个第二类周期中的各类数据的影响权重；
所述根据各类数据在不同时期的所述影响权重，确定出训练数据，包括：
根据每个第二类周期中的各类数据在不同时期的影响权重，确定出每个第二类周期对应的所述指定数量组的训练数据。


5.根据权利要求3所述的方法，其特征在于，所述根据所述销售预测模型、以及所述销售预测模型对应...

【专利技术属性】
技术研发人员：周鹏程，赵苏，杨路飞，
申请(专利权)人：创新奇智北京科技有限公司，
类型：发明
国别省市：北京;11