本公开的实施例公开了物品流转信息预测模型生成方法、信息生成方法、装置。该方法的一具体实施方式包括：获取训练样本集，训练样本集中的训练样本包括历史时间段的历史物品流转信息和预测时间段的真实物品流转信息；获取多个基准时序模型和集成模型，集成模型用于根据多个基准时序模型的输出结果，生成预测物品流转信息；基于训练样本集对多个基准时序模型和集成模型进行训练，以及将训练完成的多个基准时序模型和集成模型确定为物品流转信息预测模型。该实施方式实现了提高生成的物品流转信息预测模型的预测准确率。信息预测模型的预测准确率。信息预测模型的预测准确率。
【技术实现步骤摘要】
物品流转信息预测模型生成方法、信息生成方法、装置
[0001]本公开的实施例涉及计算机
，具体涉及物品流转信息预测模型生成方法、信息生成方法、装置。
技术介绍
[0002]物品流转信息（例如物品销量、仓库出货量等）的预测一般采用多个时间序列模型进行预测。不同的模型适用的数据趋势有所不同。为了选取效果好的模型，需要先对近期历史物品流转信息进行回测，然后选取回测效果好的N个模型作为预测模型。
[0003]然而，当采用上述方式生成预测模型时，经常会存在如下技术问题：第一，数值N的准确值难以确定，其过大或过小都会影响预测模型的预测准确率，进而造成预测模型的准确率不高。
[0004]第二，近期历史物品流转信息的数据量小，仅根据近期历史物品流转信息进行回测，回测结果存在不稳定性和偶然性，进而导致生成的预测模型的准确率。
[0005]与本公开相关的文件包括：CN113408797A，CN113743643A。
技术实现思路
[0006]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了物品流转信息预测模型生成方法、物品流转信息生成方法、装置、设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
[0007]第一方面，本公开的一些实施例提供了一种物品流转信息预测模型生成方法，该方法包括：获取训练样本集，训练样本集中的训练样本包括历史时间段的历史物品流转信息和预测时间段的真实物品流转信息；获取多个基准时序模型和集成模型，集成模型用于根据多个基准时序模型的输出结果，生成预测物品流转信息，其中，多个基准时序模型中的基准时序模型用于预测物品流转信息；基于训练样本集对多个基准时序模型和集成模型进行训练，以及将训练完成的多个基准时序模型和集成模型确定为物品流转信息预测模型。
[0008]第二方面，本公开的一些实施例提供了一种物品流转信息生成方法，包括：基于第一数据长度确定当前时间对应的历史物品流转信息；将历史物品流转信息分别输入预先训练的多个基准时序模型，得到多个输出结果；将多个输出结果输入集成模型，得到物品流转信息，其中，多个基准时序模型和集成模型是根据第一方面中任一的实现方式所描述的方法生成的。
[0009]第三方面，本公开的一些实施例提供了一种物品流转信息预测模型生成装置，装置包括：样本集获取单元，被配置成获取训练样本集，训练样本集中的训练样本包括历史时间段的历史物品流转信息和预测时间段的真实物品流转信息；模型获取单元，被配置成获取多个基准时序模型和集成模型，集成模型用于根据多个基准时序模型的输出结果，生成
预测物品流转信息，其中，多个基准时序模型中的基准时序模型用于预测物品流转信息；训练单元，被配置成基于训练样本集对多个基准时序模型和集成模型进行训练，以及将训练完成的多个基准时序模型和集成模型确定为物品流转信息预测模型。
[0010]第四方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，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上述第一方面任一实现方式所描述的方法。
[0011]第五方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
[0012]本公开的上述各个实施例具有如下有益效果：提高了生成的物品流转信息预测模型的预测准确率。相关的物品流转信息生成方法之所以准确率不高的原因在于：受到选取数值N，数值N的准确值难以确定，进而影响预测模型的准确率。基于此，本公开的一些物品流转信息预测模型生成方法，采用集成模型来自动融合多个基准时序模型的输出结果，不需要设置选取数值N，排除了数值N的干扰，从而提高生成的物品流转信息预测模型的预测准确率。
附图说明
[0013]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
[0014]图1是根据本公开的一些实施例的物品流转信息预测模型生成方法的一个应用场景的示意图；图2是根据本公开的物品流转信息预测模型生成方法的一些实施例的流程图；图3是根据本公开的一些实施例物品流转信息预测模型生成方法中的生成训练样本集的示例性流程图；图4是根据本公开的物品流转信息预测模型生成方法的另一些实施例的流程图；图5是根据本公开的物品流转信息生成方法的一些实施例的流程图；图6是根据本公开的物品流转信息预测模型生成装置的一些实施例的结构示意图；图7是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
[0015]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0016]另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0017]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0018]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0019]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0020]下面将参考附图并结合实施例来详细说明本公开。
[0021]图1是根据本公开一些实施例的物品流转信息预测模型生成方法、物品流转信息生成方法的一个应用场景的示意图。
[0022]如图1所示，物品流转信息预测模型生成方法的执行主体可以是计算设备101。在此基础上，计算设备101可以首先获取训练样本集102。其中的训练样本包括历史时间段的历史物品流转信息和预测时间段的真实物品流转信息。其中，历史时间段一般是预测时间段之前的一个时间段。举例来说，历史时间段的历史物品流转信息可以是：9月5日
‑
9月10日销量：100个；预测时间段的真实物品流转信息可以是：9月15日
‑
9月20日销量：150个。然后，计算设备101可以继续获取多个基准时序模型103，如图中所示，包括基准时序模型1、2
……...
【技术保护点】
【技术特征摘要】
1.一种物品流转信息预测模型生成方法，包括：获取训练样本集，所述训练样本集中的训练样本包括历史时间段的历史物品流转信息和预测时间段的真实物品流转信息；获取多个基准时序模型和集成模型，所述集成模型用于根据所述多个基准时序模型的输出结果，生成预测物品流转信息，其中，所述多个基准时序模型中的基准时序模型用于预测物品流转信息；基于所述训练样本集对所述多个基准时序模型和所述集成模型进行训练，以及将训练完成的所述多个基准时序模型和所述集成模型确定为所述物品流转信息预测模型。2.根据权利要求1所述的方法，其中，所述训练样本集是通过以下步骤生成的：确定所述训练样本集中拟包括的训练样本的目标数量、所述历史物品流转信息的第一数据长度、所述真实物品流转信息的第二数据长度；确定历史物品流转信息序列对应的所述目标数量个切分时间点；对于每个切分时间点，以所述切分时间点对应的物品流转信息为起点，分别截取长度为所述第一数据长度和所述第二数据长度的信息作为所述历史物品流转信息和所述真实物品流转信息，得到所述切分时间点对应的训练样本；将所述目标数量个切分时间点分别对应的训练样本确定为所述训练样本集。3.根据权利要求2所述的方法，其中，所述基于所述训练样本集对所述多个基准时序模型和所述集成模型进行训练，包括：为所述训练样本集中各个训练样本设置抽样权重，每个训练样本的抽样权重与所述训练样本对应的切分时间点相关；根据所述各个训练样本的抽样权重，从所述训练样本集中加权选取训练样本；基于所述训练样本，对所述多个基准时序模型和所述集成模型进行训练。4.根据权利要求3所述的方法，其中，所述基于所述训练样本，对所述多个基准时序模型和所述集成模型进行训练，包括：将所述训练样本中的历史物品流转信息分别输入所述多个基准时序模型，得到多个输出结果；将所述多个输出结果输入所述集成模型，得到预测物品流转信息；基于预设损失函数，确定所述预测物品流转信息和所述训练样本中...
【专利技术属性】
技术研发人员：刘葳，蒋新田，庄晓天，王忠帅，吴盛楠，伍斌杰，
申请(专利权)人：北京京东振世信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。