申请/专利权人：华润数字科技有限公司

申请日：2021-07-12

公开（公告）日：2024-03-22

公开（公告）号：CN113487359B

主分类号：G06Q30/0202

分类号：G06Q30/0202;G06Q30/0201;G06N3/0442;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.03.01#著录事项变更;2021.10.26#实质审查的生效;2021.10.08#公开

摘要：本发明公开了基于多模态特征的商品销量预测方法、装置及相关设备。该方法包括获取历史销售数据，并对所述历史销售数据中每一天的商品销量数据进行分解，得到所述历史销售数据中每一天的日常销量；对所述日常销量进行时间序列分解得到分解结果，对分解结果进行特征提取，得到所述历史销售数据的历史特征向量；通过预置的多头注意力层对所述历史销售数据进行特征提取，得到所述历史销售数据的时序特征向量、竞争特征向量以及属性嵌入向量；基于所述历史特征向量、时序特征向量、属性嵌入向量以及竞争特征向量，构建训练销量特征；基于所述训练销量特征，根据预置的LSTM模型进行销量预测，得到目标销量预测值。该方法相比传统方法的预测准确性更高。

主权项：1.一种基于多模态特征的商品销量预测方法，其特征在于，包括：获取历史销售数据，并对所述历史销售数据中每一天的商品销量数据进行分解，得到所述历史销售数据中每一天的日常销量，所述历史销售数据包括商品属性数据、商品销量数据以及销售时序数据；对所述日常销量进行时间序列分解得到分解结果，对分解结果进行特征提取，得到所述历史销售数据的历史特征向量；通过预置的多头注意力层对所述历史销售数据进行特征提取，得到所述历史销售数据的时序特征向量、竞争特征向量以及属性嵌入向量；基于所述历史特征向量、时序特征向量、属性嵌入向量以及竞争特征向量，构建训练销量特征；基于所述训练销量特征，根据预置的LSTM模型进行销量预测，得到目标销量预测值；所述对所述日常销量进行时间序列分解得到分解结果，对分解结果进行特征提取，得到所述历史销售数据的历史特征向量，包括：通过STL分解算法对所述日常销量进行分解，得到所述历史销售数据的趋势分量、季节分量和残差分量；从所述残差分量和趋势分量中提取历史信息特征，将所述历史信息特征与所述季节分量进行拼接，得到所述历史销售数据的历史特征向量；所述从所述残差分量和趋势分量中提取历史信息特征，包括：通过预置的BiLSTM网络对所述残差分量进行历史信息特征提取，得到历史残差特征；通过预置的GRU网络对所述趋势分量进行历史信息特征提取，得到历史趋势特征；将所述历史残差特征和历史趋势特征进行相加，得到历史信息特征；所述通过预置的多头注意力层对所述历史销售数据进行时序特征提取和商品竞争特征提取，得到所述历史销售数据的时序特征向量、竞争特征向量以及属性嵌入向量，包括：基于所述历史销售数据的时序特征，构建时序特征集，通过多头注意力层对所述时序特征集进行注意力特征提取，得到时序特征向量；根据所述历史销售数据对应的商品信息，确定每个商品的替代商品和互补商品，并统计所述替代商品和互补商品的历史价格，得到每个商品的竞争信息矩阵，通过多头注意力层对所述竞争信息矩阵进行注意力特征提取，得到竞争特征向量；对所述历史销售数据对应的商品属性进行编码，得到属性矩阵，并计算所述属性矩阵与预置的权重矩阵的乘积，得到属性嵌入向量；所述基于所述历史特征向量、时序特征向量、属性嵌入向量以及竞争特征向量，构建训练销量特征，包括：对所述历史特征向量、时序特征向量、属性嵌入向量以及竞争特征向量进行拼接，得到拼接特征向量；将所述拼接特征向量输入全连接层进行连接，得到连接特征向量；对所述拼接特征向量与连接特征向量进行相加，得到训练销量特征。

全文数据：

权利要求：

百度查询： 华润数字科技有限公司 基于多模态特征的商品销量预测方法、装置及相关设备

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