物品流转量预测方法、装置、设备和计算机可读介质制造方法及图纸

本公开的实施例公开了物品流转量预测方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取历史时间段的目标物品的历史动态特征数据时间序列和历史静态特征数据；将历史动态特征数据时间序列输入至预先训练的编码与解码模型包括的编码模型，以生成第一特征向量列表，其中，编码与解码模型用于生成预测流转量；对历史静态特征数据进行词嵌入处理，得到第二特征向量；对第一特征向量列表和第二特征向量进行拼接，得到拼接向量；将拼接向量输入至编码与解码模型包括的解码模型，得到对应目标时间的流转量。该实施方式与人工智能有关，使用训练后的编码与解码模型，可以更为精准地预测出目标物品对应的流转量。更为精准地预测出目标物品对应的流转量。更为精准地预测出目标物品对应的流转量。

【技术实现步骤摘要】
物品流转量预测方法、装置、设备和计算机可读介质


[0001]本公开的实施例涉及计算机
，具体涉及物品流转量预测方法、装置、设备和计算机可读介质。

技术介绍

[0002]物品流转量预测是物品流转规划中的重要一步，准确预测物品的未来流转量对于控制库存价值和库存水平有着重要作用。对于物品的未来流转量预测，通常采用的方式为：利用预先训练的简单时间序列预测方法或机器学习模型，来预测物品在未来某一时间点的流转量。
[0003]然而，专利技术人发现，当采用上述方式来预测物品的流转量，经常会存在如下技术问题：无论是用简单时间序列还是机器学习方法进行预测，都无法捕捉到完整的流转量特征，从而，使得针对物品流转量的预测不够精准。
[0004]该
技术介绍
部分中所公开的以上信息仅用于增强对本专利技术构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]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。
[0006]本公开的一些实施例提出了物品流转量预测方法、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量预测方法，该方法包括：获取历史时间段的目标物品的历史动态特征数据时间序列和历史静态特征数据；将上述历史动态特征数据时间序列输入至预先训练的编码与解码模型包括的编码模型，以生成第一特征向量列表，其中，上述编码与解码模型用于生成预测流转量；对上述历史静态特征数据进行词嵌入处理，得到第二特征向量；对上述第一特征向量列表和上述第二特征向量进行拼接，得到拼接向量；将上述拼接向量输入至上述编码与解码模型包括的解码模型，得到对应目标时间的流转量。
[0008]可选地，上述方法还包括：将第一预设计数器的值初始化为第一预设计数值；将所得到的对应上述目标时间的流转量确定为目标流转量；基于上述目标流转量，执行以下流转量生成步骤：将上述目标流转量对应时间点的后一时间点确定为第二目标时间；将上述目标流转量添加至上述历史动态特征数据时间序列的末尾，以及从上述历史动态特征数据时间序列中删除对应第一位置的历史动态特征数据，得到目标历史动态特征数据时间序列；将上述目标历史动态特征数据时间序列输入至上述编码模型，以生成第一目标特征向量列表；将上述第一目标特征向量列表和上述第二特征向量进行拼接，得到目标拼接向量；
将上述目标拼接向量输入至上述解码模型，得到对应上述第二目标时间的流转量，以及将上述第一预设计数器的值与第一预设步长值的和确定为第一目标计数值；响应于确定上述第一目标计数值满足预设预测次数条件，对所得到的各个目标流转量进行排序，得到目标流转量序列。
[0009]可选地，上述方法还包括：响应于确定上述第一目标计数值未满足上述预设预测次数条件，将对应上述第二目标时间的流转量作为目标流转量，以及将上述目标历史动态特征数据时间序列作为历史动态特征数据时间序列，再次执行上述流转量生成步骤。
[0010]可选地，上述编码与解码模型的样本集是通过以下步骤生成的：获取上述目标物品的历史流转数据时间序列，其中，上述历史流转数据时间序列中的每个历史流转数据包括第一动态特征数据和第一静态特征数据；将上述历史流转数据时间序列中的每个历史流转数据包括的第一动态特征数据确定为第一特征数据，得到第一特征数据时间序列；将上述历史流转数据时间序列中的任意一个历史流转数据包括的第一静态特征数据确定为第二特征数据；基于上述第一特征数据时间序列，生成样本集，其中，上述样本集中的样本包括样本流转数据序列和样本目标流转量。
[0011]可选地，上述第一特征数据时间序列中的每个第一特征数据包括历史流转量；以及上述基于上述第一特征数据时间序列，生成样本集，其中，上述样本集中的样本包括样本流转数据序列和样本目标流转量，包括：对于上述第一特征数据时间序列中的每个第一特征数据，执行以下步骤：基于上述第一特征数据，从上述第一特征数据时间序列中选出满足预设连续性条件的预设数目个第一特征数据，以及将所选出的每个第一特征数据确定为目标第一特征数据，得到目标第一特征数据序列；从上述目标第一特征数据序列中选出满足预设位置条件的目标第一特征数据作为样本流转数据，得到样本流转数据序列；将上述目标第一特征数据序列中最后位置上的目标第一特征数据包括的历史流转量确定为样本目标流转量；将上述样本流转数据序列和上述样本目标流转量确定为样本。
[0012]可选地，上述编码与解码模型是通过以下步骤训练得到的：基于上述样本集，执行以下样本训练步骤：将上述第二特征数据和上述样本集中的各个样本的样本流转数据序列输入至初始编码与解码模型，得到上述样本集中的各个样本对应的预测流转量；将上述样本集中的每个样本对应的预测流转量与对应的样本目标流转量的差的绝对值确定为样本误差值，得到样本误差值集；利用预设目标损失函数，生成针对上述样本误差值集的目标损失值；响应于确定上述目标损失值小于等于预设阈值，将上述初始编码与解码模型确定为训练完成的编码与解码模型；响应于确定上述目标损失值大于上述预设阈值，调整上述初始编码与解码模型的参数，以及将调整后的初始编码与解码模型作为初始编码与解码模型，再次执行上述样本训练步骤。
[0013]第二方面，本公开的一些实施例提供了一种物品流转量预测装置，装置包括：获取单元，被配置成获取历史时间段的目标物品的历史动态特征数据时间序列和历史静态特征数据；第一输入单元，被配置成将上述历史动态特征数据时间序列输入至预先训练的编码与解码模型包括的编码模型，以生成第一特征向量列表，其中，上述编码与解码模型用于生成预测流转量；词嵌入处理单元，被配置成对上述历史静态特征数据进行词嵌入处理，得到第二特征向量；拼接单元，被配置成对上述第一特征向量列表和上述第二特征向量进行拼接，得到拼接向量；第二输入单元，被配置成将上述拼接向量输入至上述编码与解码模型包
括的解码模型，得到对应目标时间的流转量。
[0014]可选地，第二输入单元可以被配置成：将第一预设计数器的值初始化为第一预设计数值；将所得到的对应上述目标时间的流转量确定为目标流转量；基于上述目标流转量，执行以下流转量生成步骤：将上述目标流转量对应时间点的后一时间点确定为第二目标时间；将上述目标流转量添加至上述历史动态特征数据时间序列的末尾，以及从上述历史动态特征数据时间序列中删除对应第一位置的历史动态特征数据，得到目标历史动态特征数据时间序列；将上述目标历史动态特征数据时间序列输入至上述编码模型，以生成第一目标特征向量列表；将上述第一目标特征向量列表和上述第二特征向量进行拼接，得到目标拼接向量；将上述目标拼接向量输入至上述解码模型，得到对应上述第二目标时间的流转量，以及将上述第一预设计数器的值与第一预设步长值的和确定为第一目标计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物品流转量预测方法，包括：获取历史时间段的目标物品的历史动态特征数据时间序列和历史静态特征数据；将所述历史动态特征数据时间序列输入至预先训练的编码与解码模型包括的编码模型，以生成第一特征向量列表，其中，所述编码与解码模型用于生成预测流转量；对所述历史静态特征数据进行词嵌入处理，得到第二特征向量；对所述第一特征向量列表和所述第二特征向量进行拼接，得到拼接向量；将所述拼接向量输入至所述编码与解码模型包括的解码模型，得到对应目标时间的流转量。2.根据权利要求1所述的方法，其中，所述方法还包括：将第一预设计数器的值初始化为第一预设计数值；将所得到的对应所述目标时间的流转量确定为目标流转量；基于所述目标流转量，执行以下流转量生成步骤：将所述目标流转量对应时间点的后一时间点确定为第二目标时间；将所述目标流转量添加至所述历史动态特征数据时间序列的末尾，以及从所述历史动态特征数据时间序列中删除对应第一位置的历史动态特征数据，得到目标历史动态特征数据时间序列；将所述目标历史动态特征数据时间序列输入至所述编码模型，以生成第一目标特征向量列表；将所述第一目标特征向量列表和所述第二特征向量进行拼接，得到目标拼接向量；将所述目标拼接向量输入至所述解码模型，得到对应所述第二目标时间的流转量，以及将所述第一预设计数器的值与第一预设步长值的和确定为第一目标计数值；响应于确定所述第一目标计数值满足预设预测次数条件，对所得到的各个目标流转量进行排序，得到目标流转量序列。3.根据权利要求2所述的方法，其中，所述方法还包括：响应于确定所述第一目标计数值未满足所述预设预测次数条件，将对应所述第二目标时间的流转量作为目标流转量，以及将所述目标历史动态特征数据时间序列作为历史动态特征数据时间序列，再次执行所述流转量生成步骤。4.根据权利要求1所述的方法，其中，所述编码与解码模型的样本集是通过以下步骤生成的：获取所述目标物品的历史流转数据时间序列，其中，所述历史流转数据时间序列中的每个历史流转数据包括第一动态特征数据和第一静态特征数据；将所述历史流转数据时间序列中的每个历史流转数据包括的第一动态特征数据确定为第一特征数据，得到第一特征数据时间序列；将所述历史流转数据时间序列中的任意一个历史流转数据包括的第一静态特征数据确定为第二特征数据；基于所述第一特征数据时间序列，生成样本集，其中，所述样本集中的样本包括样本流转数据序列和样本目标流转量。5.根据权利要求4所述的方法，其中，所述第一特征数据时间序列中的每个第一特征数据包括历史流转量；以及
所述基于所述第一特征数据时间序列，生成...

【专利技术属性】
技术研发人员：黄智杰，庄晓天，吴盛楠，
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：