基于替代和关联作用的多品类联合需求预测方法及装置制造方法及图纸

本发明专利技术公开了基于替代和关联作用的多品类联合需求预测方法及装置，预测方法包括：基于当前在售商品的销售信息，确定商品的核心属性；定义消费者购买行为中各属性组合商品间的替代和关联作用；将衡量替代和关联作用的参数纳入基于极大似然思路建立的运筹规划模型中，使用元启发式算法求解包含已有商品和新品在内的各属性组合商品的实际需求量及需求比例。本发明专利技术的预测方法可适用于零售商门店多品类商品的实际需求预测，基于机器学习的数据分析能力和运筹技术的规划能力共同赋能需求预测，在考虑消费者购买行为中替代和关联作用的基础上确定对商品的实际需求，并将通常用于单个品类的需求预测模型扩展到适用于两/多个关联品类的情形。品类的情形。品类的情形。

【技术实现步骤摘要】
基于替代和关联作用的多品类联合需求预测方法及装置


[0001]本专利技术涉及数据
，具体的涉及基于替代和关联作用的多品类联合需求预测方法及装置。

技术介绍

[0002]商品需求预测包含对已有商品的预测以及新商品的预测。新商品的销售表现预测对商品的成功推出有关键影响，能够帮助公司开拓市场，提高新品需求预测的准确度和实时性一是可以支持新品引入决策；二是对解决在新零售背景下快速迭代的商品组合为品类管理等带来的挑战也有重要帮助，得到的包含新品和已有商品在内的各属性组合商品实际需求比例将作为品类数量配置的参考。
[0003]对于前者，关于新品销量预测，结合样本迁移学习的思路使用机器学习算法是常用的方法，但面临的问题是新品可供提取的特征数目较少，会影响模型训练效果进而影响预测准确程度；对于后者，关于品类管理问题，由于商品间存在关联性和替代性，当前门店中一些商品的销售份额并不能代表消费者的真实需求，所以无法直接作为数量配置的参考，而在运筹规划领域，通常采用的商品实际需求预测模型中仅仅考虑了替代作用的衡量，很少考虑关联性为商品需求带来的促进作用。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于替代和关联作用的多品类联合需求预测方法，其特征在于，包括：基于当前在售商品的销售信息，确定商品的核心属性，将SKU级别商品转化为属性级别商品；定义消费者购买行为中各属性组合商品间的替代和关联作用；将衡量替代和关联作用的参数纳入基于极大似然思路建立的运筹规划模型中，使用元启发式算法求解包含已有商品和新品在内的各属性组合商品的实际需求量及需求比例。2.根据权利要求1所述的基于替代和关联作用的多品类联合需求预测方法，其特征在于，所述基于当前在售商品的销售信息，确定商品的核心属性，将SKU级别商品转化为属性级别商品包括：提取当前在售商品的属性特征，包括商品规格类别、和/或价格类别、和/或品牌等级类别、和/或品牌产地类别、和/或功能类别；以当前在售商品对应周期销量为标签，训练随机森林回归模型，基于可解释性SHAP模型，通过特征的边际贡献度排序确定商品的核心属性，将SKU级别商品转化为属性级别商品。3.根据权利要求1所述的基于替代和关联作用的多品类联合需求预测方法，其特征在于，所述定义消费者购买行为中各属性组合商品间的替代作用包括：基于当前在售商品的不同属性组合衡量同品类商品间的替代作用，借鉴联合分析的思路，确定对应属性组合商品间的替代概率为各个属性之间替代概率的乘积。4.根据权利要求3所述的基于替代和关联作用的多品类联合需求预测方法，其特征在于，所述替代概率的计算过程包括：某一品类对应的商品集合为S，用户最喜欢的商品是i，当i不在品类集合S中时，用户可能会用存在于品类集合S中的i的相似商品j进行替代，替代概率为π
ij
；那么在A个属性上级别分别为j1，j2，...，j
A
的j商品替代在A个属性上级别分别为i1，i2，...，i
A
的i商品的概率为5.根据权利要求3或4所述的基于替代和关联作用的多品类联合需求预测方法，其特征在于，所述定义消费者购买行为中各属性组合商品间的关联作用包括：基于Apriori算法得到的关联规则确定关联品类和关联概率，将关联概率假设为关联规则挖掘对应的置信度结果；假设关联规则挖掘确定的第一品类对应m种属性组合的商品，第二品类对应n种属性组合的商品，根据用户购买小票记录得到mn个关联概率的估计值，在关联规则挖掘时将小票数据中的商品名称改为属性级别名称，得到跨品类各个属性组合商品间对应的关联概率。6.根据权利要求5所述的基于替代和关联作用的...

【专利技术属性】
技术研发人员：李飞，孙垚光，郝金星，董皓宇，王君，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：