申请/专利权人：广州飞狮数字科技有限公司

申请日：2022-12-16

公开（公告）日：2023-12-08

公开（公告）号：CN115829629B

主分类号：G06Q30/0202

分类号：G06Q30/0202;G06Q30/0601;G06F18/214;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.12.08#授权;2023.04.07#实质审查的生效;2023.03.21#公开

摘要：本申请提供了一种畅滞销状态的确定方法及装置，该畅滞销状态的确定方法包括：获取目标货品的待预测销售数据，其中，待预测销售数据包括目标货品的属性特征、每天的多个销售维度特征、季节特征以及销售目标货品的店铺数量特征；获取目标货品对应的售罄率预测模型；将目标货品的的待预测销售数据输入售罄率预测模型，得到目标货品在货品生命周期结束时的目标预测售罄率；基于目标预测售罄率和预设的售罄率畅滞销状态映射关系确定目标预测售罄率对应的目标畅滞销状态。本申请能够提高畅滞销状态的确定准确率。

主权项：1.一种畅滞销状态的确定方法，其特征在于，所述畅滞销状态的确定方法包括：获取目标货品在历史时间段内的第一历史销售数据；对所述第一历史销售数据预处理，得到预处理销售数据，其中，对第一历史销售数据通过特定异常筛选条件过滤异常数据，转换空值成统一标识，最后进行离散数据的规范化操作，得到数据清洗后的销售数据，对数据清洗后的销售数据进行汇总、关联相关特征、转换销售金额成占比和离散数据下标转换；根据所述预处理销售数据构建训练集，其中，所述训练集包括多个第二历史销售数据和对应的多个历史实际售罄率；将所述训练集输入预设神经网络模型，得到多个第二历史销售数据对应的多个历史预测售罄率；基于多个历史实际售罄率和多个历史预测售罄率确定训练误差；当所述训练误差低于预设值时，将训练得到的预设神经网络模型确定为售罄率预测模型；获取目标货品的待预测销售数据，其中，所述待预测销售数据包括目标货品每天的多个销售维度特征、季节特征以及销售目标货品的店铺数量特征；获取目标货品对应的售罄率预测模型，其中，获取目标货品的已销售天数；判断目标货品的已销售天数是否超过M；若目标货品的已销售天数超过M，则获取目标货品对应的售罄率预测模型；将所述目标货品的的待预测销售数据输入所述售罄率预测模型，得到所述目标货品在货品生命周期结束时的目标预测售罄率；基于目标预测售罄率和预设的售罄率畅滞销状态映射关系确定目标预测售罄率对应的目标畅滞销状态；所述预设的售罄率畅滞销状态映射关系包括：若所述目标预测售罄率小于0.25，则目标预测售罄率对应的目标畅滞销状态为超畅滞销状态；若所述目标预测售罄率不小于0.25且小于0.5，则目标预测售罄率对应的目标畅滞销状态为滞销状态；若所述目标预测售罄率不小于0.5且小于0.75，则目标预测售罄率对应的目标畅滞销状态为平销状态；若所述目标预测售罄率不小于0.75且小于0.9，则目标预测售罄率对应的目标畅滞销状态为畅销状态；若所述目标预测售罄率不小于0.9，则目标预测售罄率对应的目标畅滞销状态为爆款状态；所述获取目标货品的待预测销售数据之前，包括：获取目标货品在历史时间段内的第一历史销售数据；对所述第一历史销售数据预处理，得到预处理销售数据；根据所述预处理销售数据构建训练集，其中，所述训练集包括多个第二历史销售数据和对应的多个历史实际售罄率；将所述训练集输入预设神经网络模型，得到多个第二历史销售数据对应的多个历史预测售罄率；基于多个历史实际售罄率和多个历史预测售罄率确定训练误差；当所述训练误差低于预设值时，将训练得到的预设神经网络模型确定为售罄率预测模型；所述历史时间段为N个月，所述根据所述预处理销售数据构建训练集，包括：利用时间窗口对所述历史时间段进行遍历，得到多个子时间段，其中，所述时间窗口的长度为M个月，M小于N，所述子时间段的时间长度与时间窗口相同；将预处理销售数据位于各个子时间段内的数据确定为各个第二历史销售数据；将预处理销售数据中各个子时间段对应的货品生命周期结束时的历史实际售罄率确定为各个第二历史销售数据对应的各个历史实际售罄率；所述售罄率预测模型包括编码模块、输入全连接层、多头注意力模块、biLstm模块、输出全连接层，所述将所述目标货品的的待预测销售数据输入所述售罄率预测模型，得到所述目标货品在货品生命周期结束时的目标预测售罄率，包括：利用所述编码模块对所述待预测销售数据中的数值特征归一化，对所述待预测销售数据中的离散数据编码，对所述待预测销售数据中的时序特征编码，得到编码数据；将所述待预测销售数据输入编码模块，得到编码数据；将编码数据输入输入全连接层进行特征提取，得到第一特征数据；将所述第一特征数据输入多头注意力模块，得到第二特征数据；将所述第二特征数据输入biLstm模块提取上下文特征，得到第三特征数据；将第三特征数据输入输出全连接层进行特征提取和合并，得到预测的目标预测售罄率；所述将所述第一特征数据输入多头注意力模块，得到第二特征数据，包括：获取所述第一特征数据的Q分量、K分量以及V分量；将Q分量、K分量输入卷积层，得到卷积后Q分量和卷积后K分量;将卷积后Q分量、卷积后K分量以及V分量输入多头注意力模块，得到第二特征数据。

全文数据：

权利要求：

百度查询： 广州飞狮数字科技有限公司 一种畅滞销状态的确定方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD