模型训练、信息输出方法，装置，设备以及存储介质制造方法及图纸

本公开提供了模型训练、信息输出方法，装置，设备以及存储介质，涉及大数据、深度学习技术领域。具体实现方案为：获取第一历史时间段内生成的第一物品销量数据；利用第一物品销量数据对初始销量预测模型进行训练，得到训练好的目标销量预测模型；获取第一历史时间段之后的第二历史时间段内生成的第一增量物品销量数据；利用第一增量物品销量数据对目标销量预测模型进行更新。本实现方式可以提高物品销量预测的准确率，同时可以降低模型更新的计算负担。担。担。

【技术实现步骤摘要】
模型训练、信息输出方法，装置，设备以及存储介质


[0001]本公开涉及计算机
，具体涉及大数据、深度学习
，尤其涉及模型训练、信息输出方法，装置，设备以及存储介质。

技术介绍

[0002]无论是传统的零售行业还是飞速发展的互联网电商行业，商品的运营商都希望对所销售商品的销量能进行前瞻性的预估，从而能够更好的指导商品的生产、配货、供应等环节。因此，销量预测在企业的整个运营体系中都是十分重要的环节。所谓销量预测，是在对影响市场供求变化的众多因素上进行系统地调查和研究，并在此基础上运用科学的方法对未来市场产品的供需发展趋势以及有关的各种因素的变化，进行分析、预见、估计和判断。传统的销售预测方法往往基于人工，其建立的模型也相对简单，而数据挖掘技术是一种科学有效的数据处理方式，它为应对信息爆炸，海量信息的处理提供了科学有效的手段。但往往需要不断的对数据挖掘模型进行迭代更新才能不断适应企业的要求。为了优化企业商品销售决策方案，提高商品销售预测的准确率，应用数据挖掘方法对销售数据库进行分析，提高销售预测的准确率具有十分深刻的意义。

技术实现思路

[0003]本公开提供了一种模型训练、信息输出方法，装置，设备以及存储介质。
[0004]根据第一方面，提供了一种模型训练方法，包括：获取第一历史时间段内生成的第一物品销量数据；利用第一物品销量数据对初始销量预测模型进行训练，得到训练好的目标销量预测模型；获取第一历史时间段之后的第二历史时间段内生成的第一增量物品销量数据；利用第一增量物品销量数据对目标销量预测模型进行更新。
[0005]在一些实施例中，上述目标销量预测模型包括多个预测树；以及上述利用上述第一增量物品销量数据对上述目标销量预测模型进行更新，包括：利用上述第一增量物品销量数据对上述目标销量预测模型中的至少一颗预测树进行更新。
[0006]在一些实施例中，上述利用上述第一增量物品销量数据对上述目标销量预测模型进行更新，包括：对上述目标销量预测模型中的至少一颗预测树不进行更新。
[0007]在一些实施例中，上述目标销量预测模型包括多个预测树；以及上述利用上述第一增量物品销量数据对上述目标销量预测模型进行更新，包括：
[0008]固定上述多个预测树的结构和参数，增加新的预测树；利用上述第一增量物品销量数据对新的预测树进行训练，以更新上述目标销量预测模型。
[0009]在一些实施例中，上述第一历史时段和上述第二历史时段连续。
[0010]在一些实施例中，上述方法还包括：获取上述第二历史时间段之后的第三历史时间段内生成的第二增量物品销量数据；利用上述第二增量物品销量数据对更新后的目标销量预测模型进行测试；根据测试结果，确定是否对更新后的目标销量预测模型进行再次训练。
[0011]在一些实施例中，上述根据测试结果，确定是否对更新后的目标销量预测模型进行再次训练，包括：根据上述更新后的目标销量预测模型对上述第二增量物品销量数据的预测结果与上述第二增量物品销量数据中的实际结果，确定上述更新后的目标销量预测模型的误差；响应于确定上述误差小于预设阈值，利用上述第二历史时间段之后的第三历史时间段内生成的第三增量物品销量数据，对更新后的目标销量预测模型进行再次训练。
[0012]在一些实施例中，上述根据测试结果，确定是否对更新后的目标销量预测模型进行再次训练，包括：响应于确定上述误差大于或等于上述预设阈值，利用当前时刻之间的全量历史物品销量数据，对更新后的目标销量预测模型进行再次训练。
[0013]在一些实施例中，上述初始销量预测模型包括至少两个初始预测树，上述第一物品销量数据包括多个训练样本；以及上述利用上述第一物品销量数据对初始销量预测模型进行训练，得到训练好的目标销量预测模型，包括：对于每个初始预测树，确定该初始预测树针对每个训练样本的残差；对上述残差进行拟合，得到回归树；根据上述回归树，对每个初始预测树进行参数更新，得到训练好的目标销量预测模型。
[0014]根据第二方面，提供了一种信息输出方法，包括：获取目标商品的相关信息；根据相关信息以及预先训练的目标销量预测模型，预测目标商品的销量数据，目标销量预测模型通过如第一方面所描述的方法训练得到；输出销量数据。
[0015]根据第三方面，提供了一种模型训练装置，包括：第一获取单元，被配置成获取第一历史时间段内生成的第一物品销量数据；模型训练单元，被配置成利用第一物品销量数据对初始销量预测模型进行训练，得到训练好的目标销量预测模型；第二获取单元，被配置成获取第一历史时间段之后的第二历史时间段内生成的第一增量物品销量数据；模型更新单元，被配置成利用第一增量物品销量数据对目标销量预测模型进行更新。
[0016]在一些实施例中，上述目标销量预测模型包括多个预测树；以及上述模型更新单元进一步被配置成：利用上述第一增量物品销量数据对上述目标销量预测模型中的至少一颗预测树进行更新。
[0017]在一些实施例中，上述模型更新单元进一步被配置成：对上述目标销量预测模型中的至少一颗预测树不进行更新。
[0018]在一些实施例中，上述目标销量预测模型包括多个预测树；以及上述模型更新单元进一步被配置成：利用上述第一增量物品销量数据对新的预测树进行训练，以更新上述目标销量预测模型。
[0019]在一些实施例中，上述第一历史时段和上述第二历史时段连续。
[0020]在一些实施例中，上述装置还包括：第三获取单元，被配置成获取上述第二历史时间段之后的第三历史时间段内生成的第二增量物品销量数据；模型测试单元，被配置成利用上述第二增量物品销量数据对更新后的目标销量预测模型进行测试；模型再训练单元，被配置成根据测试结果，确定是否对更新后的目标销量预测模型进行再次训练。
[0021]在一些实施例中，上述模型再训练单元进一步被配置成：根据上述更新后的目标销量预测模型对上述第二增量物品销量数据的预测结果与上述第二增量物品销量数据中的实际结果，确定上述更新后的目标销量预测模型的误差；响应于确定上述误差小于预设阈值，利用上述第二历史时间段之后的第三历史时间段内生成的第三增量物品销量数据，对更新后的目标销量预测模型进行再次训练。
[0022]在一些实施例中，上述模型再训练单元进一步被配置成：响应于确定上述误差大于或等于上述预设阈值，利用当前时刻之间的全量历史物品销量数据，对更新后的目标销量预测模型进行再次训练。
[0023]在一些实施例中，上述初始销量预测模型包括至少两个初始预测树，上述第一物品销量数据包括多个训练样本；以及上述模型训练单元进一步被配置成：对于每个初始预测树，确定该初始预测树针对每个训练样本的残差；对上述残差进行拟合，得到回归树；根据上述回归树，对每个初始预测树进行参数更新，得到训练好的目标销量预测模型。
[0024]根据第四方面，提供了一种信息输出装置，包括：信息获取单元，被配置成获取目标商品的相关信息；销量预测单元，被配置成根据相关信息以及预先训练的目标销量预测模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，包括：获取第一历史时间段内生成的第一物品销量数据；利用所述第一物品销量数据对初始销量预测模型进行训练，得到训练好的目标销量预测模型；获取所述第一历史时间段之后的第二历史时间段内生成的第一增量物品销量数据；利用所述第一增量物品销量数据对所述目标销量预测模型进行更新。2.根据权利要求1所述的方法，其中，所述目标销量预测模型包括多个预测树；以及所述利用所述第一增量物品销量数据对所述目标销量预测模型进行更新，包括：利用所述第一增量物品销量数据对所述目标销量预测模型中的至少一颗预测树进行更新。3.根据权利要求2所述的方法，其中，所述利用所述第一增量物品销量数据对所述目标销量预测模型进行更新，包括：对所述目标销量预测模型中的至少一颗预测树不进行更新。4.根据权利要求1所述的方法，其中，所述目标销量预测模型包括多个预测树；以及所述利用所述第一增量物品销量数据对所述目标销量预测模型进行更新，包括：固定所述多个预测树的结构和参数，增加新的预测树；利用所述第一增量物品销量数据对新的预测树进行训练，以更新所述目标销量预测模型。5.根据权利要求1所述的方法，其中，所述第一历史时段和所述第二历史时段连续。6.根据权利要求1所述的方法，其中，所述方法还包括：获取所述第二历史时间段之后的第三历史时间段内生成的第二增量物品销量数据；利用所述第二增量物品销量数据对更新后的目标销量预测模型进行测试；根据测试结果，确定是否对更新后的目标销量预测模型进行再次训练。7.根据权利要求1所述的方法，其中，所述根据测试结果，确定是否对更新后的目标销量预测模型进行再次训练，包括：根据所述更新后的目标销量预测模型对所述第二增量物品销量数据的预测结果与所述第二增量物品销量数据中的实际结果，确定所述更新后的目标销量预测模型的误差；响应于确定所述误差小于预设阈值，利用所述第二历史时间段之后的第三历史时间段内生成的第三增量物品销量数据，对更新后的目标销量预测模型进行再次训练。8.根据权利要求7所述的方法，其中，所述根据测试结果，确定是否对更新后的目标销量预测模型进行再次训练，包括：响应于确定所述误差大于或等于所述预设阈值，利用当前时刻之间的全量历史物品销量数据，对更新后的目标销量预测模型进行再次训练。9.根据权利要求1
‑
8任一项所述的方法，其中，所述初始销量预测模型包括至少两个初始预测树，所述第一物品销量数据包括多个训练样本；以及所述利用所述第一物品销量数据对初始销量预测模型进行训练，得到训练好的目标销量预测模型，包括：对于每个初始预测树，确定该初始预测树针对每个训练样本的残差；对所述残差进行拟合，得到回归树；
根据所述回归树，对每个初始预测树进行参数更新，得到训练好的目标销量预测模型。10.一种信息输出方法，包括：获取目标商品的相关信息；根据所述相关信息以及预先训练的目标销量预测模型，预测所述目标商品的销量数据，所述目标销量预测模型通过如权利要求1
‑
7任一项所述的方法训练得到；输出所述销量数据。11.一种模型训练装置，包括：第一获取单元，被配置成获取第一历史时间段内生成的第一物品销量数据；模型训练单元，被配置成利用所述第一物品销量数据对初始销量预测模型进行训练，得到训练好的目标销量预测模型；第二获取单元，被配置成获取所述第一历史时间段之后的第二历史时间段内生成的第一增量物品销量数据；模型更新单...

【专利技术属性】
技术研发人员：张立平，何昱，曹俊豪，王希予，
申请(专利权)人：京东科技信息技术有限公司，
类型：发明
国别省市：