基于深度学习的零售商品销售预测方法技术

本说明书实施例提供一种基于深度学习的零售商品销售预测方法，包括：获取待预测区域在至少一个时间段的发展状态向量；基于至少一个时间段的发展状态向量，获取待预测区域的区域特征序列；通过销售量预测模型对待预测区域的区域特征序列进行处理，预测待预测区域的商品销售量。品销售量。品销售量。

【技术实现步骤摘要】
基于深度学习的零售商品销售预测方法


[0001]本说明书涉及销售预测领域，特别涉及一种基于深度学习的零售商品销售预测方法。

技术介绍

[0002]随着社会的发展，影响商品销售量的因素日益复杂化，与商品销售及销售量相关的数据量也变得庞大，仅仅基于数理模型对商品销售量进行预测的方式逐渐不能满足日渐复杂的预测条件。
[0003]因此，希望可以提供一种基于深度学习的零售商品销售预测方法，以提高预测的未来销售量的准确性和预测效率。

技术实现思路

[0004]本说明书实施例之一提供一种零售商品销售预测方法。所述零售商品销售预测方法包括：获取待预测区域在至少一个时间段的发展状态向量；基于所述至少一个时间段的发展状态向量，获取所述待预测区域的区域特征序列；通过销售量预测模型对所述待预测区域的所述区域特征序列进行处理，预测所述待预测区域的商品销售量。
[0005]本说明书实施例之一提供一种零售商品销售预测系统。所述零售商品销售预测系统包括：获取模块，用于获取待预测区域在至少一个时间段的发展状态向量；处理模块，用于基于所述至少一个时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的零售商品销售预测方法，包括：获取待预测区域在至少一个时间段的发展状态向量序列；基于所述至少一个时间段的发展状态向量序列，获取所述待预测区域的区域特征序列；通过销售量预测模型对所述待预测区域的所述区域特征序列进行处理，预测所述待预测区域的商品销售量。2.如权利要求1所述的零售商品销售预测方法，所述获取待预测区域至少一个时间段的发展状态向量序列包括：通过第一发展状态模型对所述待预测区域在所述至少一个时间段的基础发展特征进行处理，确定所述至少一个时间段的发展状态向量序列。3.如权利要求2所述的零售商品销售预测方法，获取所述第一发展状态模型，包括：基于训练数据对初始第一发展状态模型、初始第二发展状态模型和初始相似度模型进行联合训练，得到所述第一发展状态模型、第二发展状态模型和相似度模型；其中，所述第二发展状态模型和所述第一发展状态模型共享参数。4.如权利要求1所述的零售商品销售预测方法，所述区域特征序列中的元素包括至少一个时间段内的销量、以及所述至少一个时间段内所述销量的相关特征，以及所述至少一个时间段的发展状态向量序列；所述区域特征序列还包括所述待预测区域在所述至少一个时间段的市场特征，所述市场特征包括营销策略、商品特征、市场其他参与者特征中的至少一种。5.一种基于深度学习的零售商品销售预测系统，包括：获取模块，用于获取待预测区域在至少一个时间段的发展状态向量序列；处理模块，用于基于所述至少一个时间段的发展状态向量序...

【专利技术属性】
技术研发人员：贾信明，林昱洲，杨宏，
申请(专利权)人：华院分析技术上海有限公司，
类型：发明
国别省市：