[發(fā)明專利]選品方法和裝置以及計算機可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201810693419.8
• 申請日: 2018-06-29
• 公開（公告）號: CN108960719B
• 公開（公告）日: 2021-10-15
• 發(fā)明（設(shè)計）人: 李建星
• 申請（專利權(quán)）人: 北京京東尚科信息技術(shù)有限公司;北京京東世紀(jì)貿(mào)易有限公司
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06Q30/02;G06K9/62
• 代理公司: 中國貿(mào)促會專利商標(biāo)事務(wù)所有限公司 11038
• 代理人: 李昊;王莉莉

本發(fā)明公開了一種選品方法和裝置以及計算機可讀存儲介質(zhì)，涉及數(shù)據(jù)處理領(lǐng)域。選品方法包括：根據(jù)備選商品的線上商品數(shù)據(jù)、與待選品店鋪的線下距離小于預(yù)設(shè)值的線上用戶的用戶行為數(shù)據(jù)確定備選商品的特征值；將備選商品的特征值輸入分類模型，其中，分類模型是以訓(xùn)練樣本數(shù)據(jù)的特征值作為輸入、銷量信息作為標(biāo)記值訓(xùn)練的；根據(jù)分類模型的分類結(jié)果確定是否為待選品店鋪選擇備選商品。從而，可以從海量線上商品中快速地確定線下店鋪需要采銷的商品，提高了選品效率和準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，特別涉及一種選品方法和裝置以及計算機可讀存儲介質(zhì)。

背景技術(shù)

隨著消費者需求的多樣化，電商正在從純線上銷售轉(zhuǎn)為線上線下融合，逐步成為一種日漸主流的電商形態(tài)。線下門店的商品來源主要通過線上平臺供貨，需要從海量商品中選擇特定商品。

目前線下店的商品主要采取的是采銷人員的人工選品方式，即一般是通過采銷人員的業(yè)務(wù)經(jīng)驗，進(jìn)行供應(yīng)商遴選、商品審核等等，以對平臺上的商品各方面進(jìn)行考察，從中選擇參與適合門店定位和對應(yīng)品類的商品。

發(fā)明內(nèi)容

發(fā)明人經(jīng)過分析后發(fā)現(xiàn)，由于當(dāng)前大型電商平臺上的庫存量單元(Stock KeepingUnit，簡稱：SKU)數(shù)量多以百萬計，因此人工選品方式的工作量是巨大的。此外，由于人工選品存在主觀偏差，沒有綜合評判指標(biāo)，導(dǎo)致人工選品方式失誤概率較高，進(jìn)而導(dǎo)致銷售表現(xiàn)不好。

本發(fā)明實施例所要解決的一個技術(shù)問題是：如何提高線下店鋪選品的效率和準(zhǔn)確率。

根據(jù)本發(fā)明一些實施例的第一個方面，提供一種選品方法，包括：根據(jù)備選商品的線上商品數(shù)據(jù)、與待選品店鋪的線下距離小于預(yù)設(shè)值的線上用戶的用戶行為數(shù)據(jù)確定備選商品的特征值；將備選商品的特征值輸入分類模型，其中，分類模型是以訓(xùn)練樣本數(shù)據(jù)的特征值作為輸入、銷量信息作為標(biāo)記值訓(xùn)練的；根據(jù)分類模型的分類結(jié)果確定是否為待選品店鋪選擇備選商品。

在一些實施例中，選品方法還包括：獲取用于訓(xùn)練的線上商品數(shù)據(jù)和用戶行為數(shù)據(jù)；根據(jù)商品標(biāo)識對獲取的線上商品數(shù)據(jù)和用戶行為數(shù)據(jù)進(jìn)行特征融合，生成訓(xùn)練樣本數(shù)據(jù)，其中，訓(xùn)練樣本數(shù)據(jù)包括每個商品標(biāo)識對應(yīng)的特征值和銷量信息；采用訓(xùn)練樣本數(shù)據(jù)的特征值作為輸入、相應(yīng)的銷量信息作為標(biāo)記值對分類模型進(jìn)行訓(xùn)練。

在一些實施例中，分類模型為分類決策樹，分類決策樹中的分類結(jié)點為商品的特征，葉子結(jié)點表示分類結(jié)果。

在一些實施例中，選品方法還包括：獲取用于訓(xùn)練的線上商品數(shù)據(jù)和用戶行為數(shù)據(jù)；根據(jù)商品標(biāo)識對獲取的線上商品數(shù)據(jù)和用戶行為數(shù)據(jù)進(jìn)行特征融合，生成訓(xùn)練樣本數(shù)據(jù)，其中，訓(xùn)練樣本數(shù)據(jù)包括每個商品標(biāo)識對應(yīng)的特征值和銷量信息；對分類模型進(jìn)行訓(xùn)練，包括：根據(jù)待添加結(jié)點位置所對應(yīng)的訓(xùn)練樣本數(shù)據(jù)，計算未添加到分類決策樹中的特征的信息增益；將信息增益最大的特征添加到待添加結(jié)點位置，作為分類結(jié)點；重復(fù)以上計算信息增益、添加特征的步驟，直到所有特征都添加到分類決策樹中。

在一些實施例中，選品方法還包括：獲取用于訓(xùn)練的線上商品數(shù)據(jù)和用戶行為數(shù)據(jù)；根據(jù)商品標(biāo)識對獲取的線上商品數(shù)據(jù)和用戶行為數(shù)據(jù)進(jìn)行特征融合，生成訓(xùn)練樣本數(shù)據(jù)，其中，訓(xùn)練樣本數(shù)據(jù)包括每個商品標(biāo)識對應(yīng)的特征值和銷量信息；對分類模型進(jìn)行訓(xùn)練，包括：根據(jù)待添加結(jié)點位置所對應(yīng)的訓(xùn)練樣本數(shù)據(jù)，計算未添加到分類決策樹中的特征的信息增益；在每個未添加到分類決策樹中的特征的信息增益均小于預(yù)設(shè)的信息增益閾值的情況下，向待添加結(jié)點位置添加表示分類結(jié)果的葉子結(jié)點，其中，分類結(jié)果根據(jù)待添加結(jié)點位置對應(yīng)的標(biāo)記值確定；在未添加到分類決策樹中的特征的信息增益沒有均小于預(yù)設(shè)的信息增益閾值的情況下，將信息增益最大的特征添加到待添加結(jié)點位置，作為分類結(jié)點；重復(fù)以上計算信息增益、添加特征的步驟，直到所有特征都添加到分類決策樹中。