【技术实现步骤摘要】
销售数据采集分析系统及其方法
[0001]本申请涉及智能采集
，且更为具体地，涉及一种销售数据采集分析系统及其方法。
技术介绍
[0002]目前，网络购物正在不断的兴起，人们都喜欢在网上购物，消费者只需要在购物平台，输入商品名称，并点开商品详情页面就能买到自己需要的产品，从订货、买货到货物上门无需亲临现场，既省时又省力。厂家也只需要从工厂直接安排发货，省去租店面、召雇员等一系列费用，双方都带来了很大的便利。
[0003]但由于一些特别的原因，会出现消费者在网上购买产品时出现库存不足的问题，厂家也没有及时调取剩余库存，导致消费者无法及时的购买自己喜欢的产品，进而会影响消费者的购物体验，从而影响销售效率。
[0004]因此，期望一种优化的销售数据采集分析的方案。
技术实现思路
[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种销售数据采集分析系统及其方法，其首先获取历史销售数据，然后，使用基于深度学习的深度神经网络模型作为特征提取器，对历史月销售数据进行多尺度的提取分析...
【技术保护点】
【技术特征摘要】
1.一种销售数据采集分析系统，其特征在于，包括：数据采集模块，用于获取销售历史数据，所述销售历史数据包括每个月的销售数据；月特征向量提取模块，用于将所述销售历史数据排列为多个销售历史数据输入向量后通过多尺度邻域特征提取模块以得到多个月特征向量；第一尺度特征提取模块，用于将所述多个月特征向量排列为一维特征向量后通过使用具有第一尺度的一维卷积核的第一卷积神经网络模型以得到第一尺度月特征向量；第二尺度特征提取模块，用于将所述多个月特征向量排列为一维特征向量后通过使用具有第二尺度的一维卷积核的第二卷积神经网络模型以得到第二尺度月特征向量；融合模块，用于融合所述第一尺度月特征向量和所述第二尺度月特征向量以得到融合特征向量；以及解码模块，用于将所述融合特征向量作为解码特征向量通过解码器进行解码回归以得到解码值，所述解码值用于表示推断当月的销售量，并基于当月的销售量与当前的产品库存量之间的比较来判断是否需要增加产品的库存。2.根据权利要求1所述的销售数据采集分析系统，其特征在于，所述月特征向量提取模块，包括：第一尺度单元，用于将所述多个销售历史数据输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到多个第一尺度月特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度单元，用于将所述多个销售历史数据输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到多个第二尺度月特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及融合单元，用于使用所述多尺度邻域特征提取模块的级联层将所述多个第一尺度月特征向量和所述多个第二尺度月特征向量进行级联以得到所述多个月特征向量。3.根据权利要求2所述的销售数据采集分析系统，其特征在于，所述第一尺度单元，用于：使用所述多尺度邻域特征提取模块的第一卷积层以如下第一卷积公式对所述多个销售历史数据输入向量进行一维卷积编码以得到所述多个第一尺度月特征向量；其中，所述第一卷积公式为：其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x
‑
a)为与第一卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述多个销售历史数据输入向量，Cov(X)为对多个销售历史数据输入向量进行一维卷积编码。4.根据权利要求3所述的销售数据采集分析系统，其特征在于，所述第二尺度单元，用于：使用所述多尺度邻域特征提取模块的第二卷积层以如下第二卷积公式对所述多个销售历史数据输入向量进行一维卷积编码以得到所述多个第二尺度月特征向量；其中，所述第二卷积公式为：
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x
‑
b)为与第二卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X表示所述多个销售历史数据输入向量，Cov(X)为对多个销售历史数据输入向量进行一维卷积编码。5.根据权利要求4所述的销售数据采集分析系统，其特征在于，所述第一尺度特征提取模块，包括：使用所述第一卷积神经网络模型的各层在层的正向传递中对输入数据分别进行基于具有第一尺度的一维卷积核的卷积处理和非线性激活处理以由所述第一卷积神经网络模型的最后一层输出所述第一尺度月特征向量，其中，所述第一卷积神经网络模型的第一层的输入为所述一维特征向量。6.根据权利要求5所述的销售数据采集分析系统，其特征在于，所述第二尺度特征提...
【专利技术属性】
技术研发人员：贡阳，黄绍育，
申请(专利权)人：安徽中芯巨升科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。