销量预测模型的训练方法、装置及电子设备、存储介质制造方法及图纸

本申请提出了一种销量预测模型的训练方法及装置，该方法包括采集多个品类商品的第一历史销售数据，并基于所述第一历史销售数据，生成第一训练样本集；基于所述第一训练样本集对基础销量预测模型进行训练，生成目标基础销量预测模型；采集目标商品的第二历史销售数据，并基于所述第二历史销售数据，生成所述目标商品的第二训练样本集；基于所述第二训练样本集，对所述目标基础销量预测模型进行调整，以生成所述目标商品对应的目标销量预测模型。本申请中，以生成的高精准的目标基础销量预测模型作为单品类商品对应的基础预测模型，实现了对于具有小样本历史销售数据特征的单品类目标商品的销量预测，同时有效保证了销量预测的准确度和精准度。的准确度和精准度。的准确度和精准度。

【技术实现步骤摘要】
销量预测模型的训练方法、装置及电子设备、存储介质


[0001]本申请涉及计算机
，尤其涉及销量预测模型的训练方法、装置及电子设备、存储介质。

技术介绍

[0002]商品销量预测，一定程度上影响着对于市场的布局和把控。
[0003]相关技术中，销量的预测方法，是根据不同的场景，获取到大量的历史销售数据，以实现对销量预测模型的训练，比如机器模型的训练和/或深度学习模型的训练等等。在完成销量预测模型的训练后，通过模型进行实际的商品销量预测。
[0004]实现中，很多场景无法获取到大量的历史销售数据，无法生成模型训练的训练样本集。使得部分场景的销量预测模型无法得到有效的训练，进而导致部分场景下的商品销量预测的结果与实际结果偏差较大。
[0005]比如，部分场景下，单一商品很难获取到大量的时间粒度历史销售数据，无法生成在该场景下的某单一商品的销量预测模型所需的训练样本集，进而无法实现对于模型的有效训练，使得该场景中无法实现对于商品销量的准确预测。

技术实现思路

[0006]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
[0007]为此，本申请第一方面提出一种销量预测模型的训练方法。
[0008]本申请第二方面还提出一种销量预测模型的训练装置。
[0009]本申请第三方面提出一种电子设备。
[0010]本申请第四方面提出一种计算机可读存储介质。
[0011]本申请第五方面提出一种计算机程序产品。
[0012]本申请第一方面提出一种销量预测模型的训练方法，包括采集多个品类商品的第一历史销售数据，并基于所述第一历史销售数据，生成第一训练样本集；基于所述第一训练样本集对基础销量预测模型进行训练，生成目标基础销量预测模型；采集目标商品的第二历史销售数据，并基于所述第二历史销售数据，生成所述目标商品的第二训练样本集；基于所述第二训练样本集，对所述目标基础销量预测模型进行调整，以生成所述目标商品对应的目标销量预测模型。
[0013]另外，本申请第一方面提出的销量预测模型的训练方法还可以具有如下附加的技术特征：
[0014]根据本申请的一个实施例，所述基于所述第二训练样本集，对所述目标基础销量预测模型进行调整，包括对所述目标基础销量预测模型进行备份；基于所述第二训练样本集，对备份的所述目标基础销量预测模型进行调整，生成所述目标商品对应的目标销量预测模型。
[0015]根据本申请的一个实施例，所述销量预测模型的训练方法，采用如下方式生成训
练样本集：基于预设的滑动窗口，从采集的历史销售数据中提取出N个时间点对应的所述历史销售数据；提取第N+1个时间点的时间特征和所述N+1个时间点的实际销量；将所述N个时间点的所述历史销售数据、所述N+1个时间点的时间特征和所述N+1个时间点的实际销量作为所述训练样本集中的一组训练样本，并继续滑动所述滑动窗口至预设滑动次数，以生成所述训练样本集。
[0016]根据本申请的一个实施例，所述销量预测模型的训练方法，还包括：获取所述N+1个时间点的时间属性信息；基于所述时间属性信息，对所述N+1个时间点进行编码，生成所述N+1个时间点的时间特征。
[0017]根据本申请的一个实施例，所述销量预测模型的训练方法，还包括：从所述训练样本集中提取最大历史销量和最小历史销量；根据所述最大历史销量和所述最小历史销量，对所述训练样本集中的每个训练样本的历史销量进行归一化处理。
[0018]根据本申请的一个实施例，所述销量预测模型的训练方法，采用如下方式生成历史销售数据：获取商品订单，对所述商品订单进行合并，生成任一品类的订单数据；对所述任一品类的订单数据进行关键字段提取，对提取的所述关键字段对应的数据进行组合，生成所述任一品类的历史销售数据。
[0019]根据本申请的一个实施例，所述生成所述任一品类的历史销售数据之后，还包括：根据所述任一品类的历史销售数据，确定所述任一品类在设定时长内的销量；响应于所述设定时长内的销量小于预设销量阈值，则清除所述任一品类的历史销售数据。
[0020]根据本申请的一个实施例，所述对所述商品订单进行合并，生成任一品类的订单数据，包括：获取所述商品订单的生成时刻和商品品类；确定所述商品品类与所述任一品类一致的第一候选商品订单；针对所述任一品类，根据所述第一候选商品订单的生成时刻，确定属于同一时间段内的商品订单；将属于所述同一时间段内的商品订单进行合并，以生成所述任一品类的订单数据。
[0021]根据本申请的一个实施例，所述对所述商品订单进行合并，生成所述任一品类的订单数据，包括：获取所述商品订单对应的商品品类和品类等级；根据所述商品品类，确定属于所述任一品类的第二候选商品订单；获取所述任一品类的目标品类等级，并滤除所述品类等级高于所述目标品类等级的第二候选商品订单；对剩余的所述第二候选商品订单进行合并，以生成所述任一品类的订单数据。
[0022]根据本申请的一个实施例，所述采集目标商品的第二历史销售数据，包括：获取所述第二历史销售数据的数量；响应于所述数量低于预设数量，获取与所述目标商品相似的候选商品；选取所述候选商品的历史销售数据，补充为所述第二历史销售数据。
[0023]根据本申请的一个实施例，所述生成所述目标商品对应的目标销量预测模型之后，还包括：获取所述目标商品的第三历史销售数据；获取待预测时间点的时间特征；将所述第三历史销售数据和所述待预测时间点的时间特征，输入所述目标销量预测模型中，输出所述目标商品在所述待预测时间点上的预测销量。
[0024]为实现上述第一方面提出的销量预测模型的训练方法，本申请第二方面还提出销量预测模型的训练装置，包括第一训练样本集生成模块，用于采集多个品类商品的第一历史销售数据，并基于所述第一历史销售数据，生成第一训练样本集；模型训练模块，用于基于所述第一训练样本集对基础销量预测模型进行训练，生成目标基础销量预测模型；第二
训练样本集生成模块，用于采集目标商品的第二历史销售数据，并基于所述第二历史销售数据，生成所述目标商品的第二训练样本集；模型调整模块，用于基于所述第二训练样本集，对所述目标基础销量预测模型进行调整，以生成所述目标商品对应的目标销量预测模型。
[0025]本申请第二方面提出的销量预测模型的训练装置还可以具有如下附加的技术特征：
[0026]根据本申请的一个实施例，所述模型调整模块，包括：备份单元，用于对所述目标基础销量预测模型进行备份；模型调整单元，用于基于所述第二训练样本集，对备份的所述目标基础销量预测模型进行调整，生成所述目标商品对应的目标销量预测模型。
[0027]根据本申请的一个实施例，所述销量预测模型的训练装置，还包括：销售数据获取模块，用于基于预设的滑动窗口，从采集的历史销售数据中提取出N个时间点对应的所述历史销售数据；提取模块，用于提取第N+1个时间点的时间特征和所述N+1个时间点的实际销量；训练样本集生成模块，用于将所述N个时间点的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种销量预测模型的训练方法，其特征在于，包括：采集多个品类商品的第一历史销售数据，并基于所述第一历史销售数据，生成第一训练样本集；基于所述第一训练样本集对基础销量预测模型进行训练，生成目标基础销量预测模型；采集目标商品的第二历史销售数据，并基于所述第二历史销售数据，生成所述目标商品的第二训练样本集；基于所述第二训练样本集，对所述目标基础销量预测模型进行调整，以生成所述目标商品对应的目标销量预测模型。2.根据权利要求1所述的销量预测模型的训练方法，其特征在于，所述基于所述第二训练样本集，对所述目标基础销量预测模型进行调整，包括：对所述目标基础销量预测模型进行备份；基于所述第二训练样本集，对备份的所述目标基础销量预测模型进行调整，生成所述目标商品对应的目标销量预测模型。3.根据权利要求1所述的销量预测模型的训练方法，其特征在于，采用如下方式生成训练样本集：基于预设的滑动窗口，从采集的历史销售数据中提取出N个时间点对应的所述历史销售数据；提取第N+1个时间点的时间特征和所述N+1个时间点的实际销量；将所述N个时间点的所述历史销售数据、所述N+1个时间点的时间特征和所述N+1个时间点的实际销量作为所述训练样本集中的一组训练样本，并继续滑动所述滑动窗口至预设滑动次数，以生成所述训练样本集。4.根据权利要求3所述的销量预测模型的训练方法，其特征在于，还包括：获取所述N+1个时间点的时间属性信息；基于所述时间属性信息，对所述N+1个时间点进行编码，生成所述N+1个时间点的时间特征。5.根据权利要求3所述的销量预测模型的训练方法，其特征在于，还包括：从所述训练样本集中提取最大历史销量和最小历史销量；根据所述最大历史销量和所述最小历史销量，对所述训练样本集中的每个训练样本的历史销量进行归一化处理。6.根据权利要求1所述的销量预测模型的训练方法，其特征在于，采用如下方式生成历史销售数据：获取商品订单，对所述商品订单进行合并，生成任一品类的订单数据；对所述任一品类的订单数据进行关键字段提取，对提取的所述关键字段对应的数据进行组合，生成所述任一品类的历史销售数据。7.根据权利要求6所述的销量预测模型的训练方法，其特征在于，所述生成所述任一品类的历史销售数据之后，还包括：根据所述任一品类的历史销售数据，确定所述任一品类在设定时长内的销量；响应于所述设定时长内的销量小于预设销量阈值，则清除所述任一品类的历史销售数
据。8.根据权利要求6所述的销量预测模型的训练方法，其特征在于，所述对所述商品订单进行合并，生成任一品类的订单数据，包括：获取所述商品订单的生成时刻和商品品类；确定所述商品品类与所述任一品类一致的第一候选商品订单；针对所述任一品类，根据所述第一候选商品订单的生成时刻，确定属于同一时间段内的商品订单；将属于所述同一时间段内的商品订单进行合并，以生成所述任一品类的订单数据。9.根据权利要求6所述的销量预测模型的训练方法，其特征在于，所述对所述商品订单进行合并，生成所述任一品类的订单数据，包括：获取所述商品订单对应的商品品类和品类等级；根据所述商品品类，确定属于所述任一品类的第二候选商品订单；获取所述任一品类的目标品类等级，并滤除所述品类等级高于所述目标品类等级的第二候选商品订单；对剩余的所述第二候选商品订单进行合并，以生成所述任一品类的订单数据。10.根据权利要求1或6所述的销量预测模型的训练方法，其特征在于，所述采集目标商品的第二历史销售数据，包括：获取所述第二历史销售数据的数量；响应于所述数量低于预设数量，获取与所述目标商品相似的候选商品；选取所述候选商品的历史销售数据，补充为所述第二历史销售数据。11.根据权利要求1所述的销量预测模型的训练方法，其特征在于，所述生成所述目标商品对应的目标销量预测模型之后，还包括：获取所述目标商品的第三历史销售数据；获取待预测时间点的时间特征；将所述第三历史销售数据和所述待预测时间点的时间特征，输入所述目标销量预测模型中，输出所述目标商品在所述待预测时间点上的预测销量。12.一种销量预测模型的训练装置，其特征在于，包括：第一训练样本集生成模块，用于采集多个品类商品的第一历史销售数据，并基于所述第一历史销售数据，生成第一训练样本集；模型训练模块，用于基于所述第一训练样本集对基础销量预测模型进行训练，生成目标基础销量预测模型；第二训练样本集生成模块，用于采集目标商品的第二历史销售数据，并基于所述第二历史销售数据，生成所述目标商品的第二训练样本集；模型调整模块，用于基于所述第二训练样本集，对所述目标基础销量预测模型进行调整，以生成所述目标商品对应的目标销量预测模型。13.根据权利要求1...

【专利技术属性】
技术研发人员：宋礼，郑宇，张钧波，
申请(专利权)人：京东城市北京数字科技有限公司，
类型：发明
国别省市：