基于数据处理的图书采购数量的确定方法和装置制造方法及图纸

本发明专利技术公开了基于数据处理的图书采购数量的确定方法和装置，本发明专利技术涉及数据处理技术领域，通过第一深度神经网络模型对线上图书分享网站的文本数据进行处理计算出每一种图书的关注度，再通过监控视频计算出人流量，最后通过第二深度神经网络模型对每一种图书的关注度、上个月的人流量、多种图书的销售数据进行处理得到本月线下图书店的所述多种图书中每一种图书的采购数量，从而达到准确快速的计算出每一种图书的采购数量。算出每一种图书的采购数量。算出每一种图书的采购数量。

【技术实现步骤摘要】
基于数据处理的图书采购数量的确定方法和装置


[0001]本专利技术涉及数据处理
，具体涉及基于数据处理的图书采购数量的确定方法和装置。

技术介绍

[0002]随着信息化的发展，越来越多的用户开始喜欢读书并进入线下图书店进行购书。线下图书店当发现图书数量不足时会对未来的图书销售数量进行估算，并联系供应商进行图书采购。但图书采购的数量大多通过人工经验来确定，例如，上个月哪种图书的销量好，本月就估算较多的这种图书的采购数量，并进行采购。但根据人工经验对图书的采购数量进行估算存在局限性，且估算结果往往会受人的主观影响，不太精确，且估算效率较低。如果估算的采购数量较多，则会导致图书滞销，如果采购数量太少，则会导致图书缺货的情况。因此如何准确快速的对图书采购数量进行确定是当前亟待解决的问题。

技术实现思路

[0003]本专利技术主要解决的技术问题是如何准确快速的对线下图书店的图书采购数量进行确定。
[0004]根据第一方面，一种实施例中提供一种基于数据处理的图书采购数量的确定方法，包括：S1、获取线上图书分享网站的上个月新增的文本数据，所述文本数据包括多种图书的名称、多种图书中的文本内容片段、多种图书的作者信息、多种图书所对应的观后感文字；S2、基于第一深度神经网络模型对所述上个月新增的文本数据进行处理得到上个月的多种图书中的每一种图书的关注度，其中所述第一深度神经网络模型的输入包括所述上个月新增的文本数据，所述第一深度神经网络模型的输出为所述上个月的多种图书中的每一种图书的关注度；S3、获取上个月的线下图书店的监控视频，并通过卷积神经网络模型对所述监控视频进行处理得到上个月的人流量；S4、获取上个月的线下图书店的所述多种图书的销售数据，所述多种图书的销售数据包括每一种图书的销量、每一种图书的价格、每一种图书的库存；S5、通过第二深度神经网络模型对所述上个月的多种图书中的每一种图书的关注度、所述上个月的人流量、所述多种图书的销售数据进行处理得到本月线下图书店的所述多种图书中每一种图书的采购数量，其中所述第二深度神经网络模型的输入包括所述上个月的多种图书中的每一种图书的关注度、所述上个月的人流量、所述多种图书的销售数据，所述第二深度神经网络模型的输出为所述本月线下图书店的所述多种图书中每一种图书的采购数量。
[0005]在一实施例中，所述获取线上图书分享网站的上个月新增的文本数据，包括：对所述线上图书分享网站的上个月新增的数据进行数据清洗得到线上图书分享网站的上个月新增的文本数据。
[0006]在一实施例中，所述第二深度神经网络模型经过梯度下降法训练得到。
[0007]在一实施例中，将所述监控视频的多帧图像输入到卷积神经网络模型中，输出得到上个月的人流量。
[0008]根据第二方面，一种实施例中提供基于数据处理的图书采购数量的确定装置，其特征在于，包括：文本获取模块，用于获取线上图书分享网站的上个月新增的文本数据，所述文本数据包括多种图书的名称、多种图书中的文本内容片段、多种图书的作者信息、多种图书所对应的观后感文字；文本处理模块，用于基于第一深度神经网络模型对所述上个月新增的文本数据进行处理得到上个月的多种图书中的每一种图书的关注度，其中所述第一深度神经网络模型的输入包括所述上个月新增的文本数据，所述第一深度神经网络模型的输出为所述上个月的多种图书中的每一种图书的关注度；监控获取模块，用于获取上个月的线下图书店的监控视频，并通过卷积神经网络模型对所述监控视频进行处理得到上个月的人流量；销售数据获取模块，用于获取上个月的线下图书店的所述多种图书的销售数据，所述多种图书的销售数据包括每一种图书的销量、每一种图书的价格、每一种图书的库存；确定模块，用于通过第二深度神经网络模型对所述上个月的多种图书中的每一种图书的关注度、所述上个月的人流量、所述多种图书的销售数据进行处理得到本月线下图书店的所述多种图书中每一种图书的采购数量，其中所述第二深度神经网络模型的输入包括所述上个月的多种图书中的每一种图书的关注度、所述上个月的人流量、所述多种图书的销售数据，所述第二深度神经网络模型的输出为所述本月线下图书店的所述多种图书中每一种图书的采购数量。
[0009]根据第三方面，一种实施例中提供一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述第一方面任一项所述的基于数据处理的图书采购数量的确定方法的步骤。
[0010]根据第四方面，一种实施例中提供一种电子设备，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现如第一方面所述的方法。
[0011]根据第五方面，一种实施例中提供一种计算机可读存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现如上述第一方面中任一项所述的方法。
[0012]依据上述实施例提供的基于数据处理的图书采购数量的确定方法和装置，通过第一深度神经网络模型对线上图书分享网站的文本数据进行处理计算出每一种图书的关注度，再通过监控视频计算出人流量，最后通过第二深度神经网络模型对每一种图书的关注度、所述上个月的人流量、所述多种图书的销售数据进行处理得到本月线下图书店的所述多种图书中每一种图书的采购数量，从而达到准确快速的计算出每一种图书的采购数量。
附图说明
[0013]图1为本专利技术实施例提供的一种基于数据处理的图书采购数量的确定方法的流程示意图；图2为本专利技术实施例提供的一种基于数据处理的图书采购数量的确定装置；图3为本专利技术实施例提供的一种电子设备的示意图。
具体实施方式
[0014]下面通过具体实施方式结合附图对本专利技术作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本专利技术能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本专利技术相关的一些操作并没有在说明书中显示或者描述，这是为了避免本专利技术的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
[0015]另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
[0016]本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本专利技术所说“连接”、“联接”，如无特别说明，均包括直接和间接连接（联接）。
[0017]本专利技术实施例中，提供了如图1所示的一种基于数据处理的图书采购数量的确定方法，包括步骤S1~S5：步骤S1，获取线上图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据处理的图书采购数量的确定方法，其特征在于，包括：S1、获取线上图书分享网站的上个月新增的文本数据，所述文本数据包括多种图书的名称、多种图书中的文本内容片段、多种图书的作者信息、多种图书所对应的观后感文字；S2、基于第一深度神经网络模型对所述上个月新增的文本数据进行处理得到上个月的多种图书中的每一种图书的关注度，其中所述第一深度神经网络模型的输入包括所述上个月新增的文本数据，所述第一深度神经网络模型的输出为所述上个月的多种图书中的每一种图书的关注度；S3、获取上个月的线下图书店的监控视频，并通过卷积神经网络模型对所述监控视频进行处理得到上个月的人流量；S4、获取上个月的线下图书店的所述多种图书的销售数据，所述多种图书的销售数据包括每一种图书的销量、每一种图书的价格、每一种图书的库存；S5、通过第二深度神经网络模型对所述上个月的多种图书中的每一种图书的关注度、上个月的人流量、多种图书的销售数据进行处理得到本月线下图书店的所述多种图书中每一种图书的采购数量，其中所述第二深度神经网络模型的输入包括所述上个月的多种图书中的每一种图书的关注度、上个月的人流量、多种图书的销售数据，所述第二深度神经网络模型的输出为本月线下图书店的所述多种图书中每一种图书的采购数量。2.如权利要求1所述的基于数据处理的图书采购数量的确定方法，其特征在于，所述获取线上图书分享网站的上个月新增的文本数据，包括：对所述线上图书分享网站的上个月新增的数据进行数据清洗得到线上图书分享网站的上个月新增的文本数据。3.如权利要求1所述的基于数据处理的图书采购数量的确定方法，其特征在于，包括：所述第二深度神经网络模型经过梯度下降法训练得到。4.如权利要求1所述的基于数据处理的图书采购数量的确定方法，其特征在于，所述通过卷积神经网络模型对所述监控视频进行处理得到上个月的人流量包括：将所述监控视频的多帧图像输入到卷积神经网络模型中，输出得到上个月的人流量。5.一种基于数据处理的图书采购数量的确定装置，其特征在于，包括：文本获取模块，用于获取线上图书分享网站的上个月新增的文本数据，所述文本数据包括多种图书的名称、多种图书中的文本内容片段、多种图书的作者信息、多种图书所对应的观后感文字；文本处理模块，用...

【专利技术属性】
技术研发人员：周彦彬，付鹏，罗庚，康婷婷，李乐，胡新星，李忠强，孙颖，段成耒，李嘉新，
申请(专利权)人：中信联合云科技有限责任公司，
类型：发明
国别省市：