[發明專利]一種成交總額的預測方法、介質、裝置和計算設備

在審

• 申請號: 201910085260.6
• 申請日: 2019-01-29
• 公開（公告）號: CN111563760A
• 公開（公告）日: 2020-08-21
• 發明（設計）人: 蔡成飛;姚雷;侯杰;王文豹;叢林;張馨藝;王慧欣
• 申請（專利權）人: 網易（杭州）網絡有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京漢昊知識產權代理事務所(普通合伙) 11370
• 代理人: 朱海波

本發明的實施方式提供了一種成交總額的預測方法、介質、裝置和計算設備。該方法包括：根據歷史成交數據生成多維度初始成交總額，其中維度用于指示初始成交總額對應的時間段；判斷多維度初始成交總額之間的關系是否符合預設條件；若是，則以多維度初始成交總額融合得到預測成交總額。通過多維度初始成交總額的生成和融合來引入不同時間段下外部因素對初始成交總額的影響，有助于提升GMV預測的準確性和泛化性，為電商平臺合理安排后期的銷售計劃、進貨出貨計劃提供數據支持，進而有助于充分挖掘客戶的購買力，提升實際成交總額。

技術領域

本發明的實施方式涉及軟件領域，更具體地，本發明的實施方式涉及一種成交總額的預測方法、介質、裝置和計算設備。

背景技術

本部分旨在為權利要求書中陳述的本發明的實施方式提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。

成交總額(Gross Merchandise Volume，GMV)預測問題主旨是根據歷史GMV來預測未來特定時間內的GMV，此處的GMV預測問題可以推廣至多個技術領域的GMV預測問題，比如電商平臺GMV的預測可以用于輔助電商平臺制定后期的銷售計劃、進貨補貨計劃，線下商家GMV的預測則可以用于輔助線下商家制定后期的銷售計劃。

目前，常用GMV預測問題的解決方案例如有時序預測理論方法和GMV預測經濟學模型。以電商平臺GMV的預測問題為例，這些解決方案在預測電商平臺GMV時，由于歷史成交數據量不穩定，這些GMV預測問題的解決方案得到的預測結果準確性下降，從而使得電商平臺安排后期的銷售計劃、進貨出貨計劃不合理，無法充分挖掘客戶的購買力，實際GMV大大降低。因此，亟待設計一種改進的GMV預測方案。

發明內容

由于目前GMV預測問題的解決方案存在歷史成交數據量不穩定的問題，這些問題可能導致預測結果的準確性下降，從而使得電商平臺安排后期的銷售計劃、進貨出貨計劃不合理，無法充分挖掘客戶的購買力，實際GMV大大降低。因此非常需要一種改進的GMV預測的技術方案，以解決上述技術問題。

在本上下文中，本發明的實施方式期望提供一種成交總額的預測方法、裝置、介質和計算設備。

在本發明實施方式的第一方面中，提供了一種成交總額的預測方法，包括：根據歷史成交數據生成多維度初始成交總額，其中維度用于指示成交總額對應的時間段；判斷多維度初始成交總額之間的關系是否符合預設條件；若是，則以多維度初始成交總額融合得到預測成交總額。

在一種可能的實施例中，根據歷史成交數據生成多維度初始成交總額，包括：從歷史成交數據中提取歷史成交總額特征和/或歷史交易特征；基于歷史成交總額特征和/或歷史交易特征，通過多個模型生成多維度初始成交總額；其中，多維度初始成交總額包括日維度初始成交總額、周維度初始成交總額、月維度初始成交總額中的一種或組合。

在一種可能的實施例中，基于歷史成交總額特征和/或歷史交易特征通過多個模型生成多維度初始成交總額的步驟，包括：基于歷史成交總額特征和/或歷史交易特征，通過多個模型生成屬性不同的日維度成交總額；基于歷史交易特征和預設權重將屬性不同的日維度成交總額融合為日維度初始成交總額；其中，屬性用于指示成交當日對應的交易條件。

在一種可能的實施例中，多個模型包括長短時記憶網絡LSTM模型、多項式回歸模型、決策樹XGBOOST模型中的一種或組合。并且，基于歷史成交總額特征和/或歷史交易特征，通過多個模型生成屬性不同的日維度成交總額的步驟包括以下之一或組合：

基于歷史成交總額特征，通過LSTM模型生成日維度的第一平銷日成交總額；

基于歷史成交總額特征和歷史交易特征，通過多項式回歸模型生成日維度的第一促銷日成交總額；

基于歷史成交總額特征和歷史交易特征，通過XGBOOST模型生成日維度的第二平銷日成交總額；