[發明專利]一種商品處理方法、裝置及電子設備

在審

• 申請號: 202010001824.6
• 申請日: 2020-01-02
• 公開（公告）號: CN113065882A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 鄧涵;蔡敏;戚赟煒;鄧玉明
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q10/08
• 代理公司: 北京博雅睿泉專利代理事務所(特殊普通合伙) 11442
• 代理人: 郭少晶

1.一種商品處理方法，包括：

獲取目標商品在目標統計周期的預測特征向量、所述目標商品的競爭商品的所述目標統計周期的預測特征向量、所述目標商品在所述目標統計周期的前一統計周期內的銷量、以及所述競爭商品在所述前一統計周期內的銷量；其中，所述預測特征向量為對預設的多個初始特征的特征向量進行合并得到的特征向量，所述初始特征包括影響對應商品的銷量的特征；

獲取所述目標商品的所述預測特征向量、所述競爭商品的所述預測特征向量、所述目標商品的銷量、所述競爭商品的銷量與所述目標商品的預測銷量間的映射函數；

根據所述映射函數、所述目標商品在目標統計周期的預測特征向量、所述競爭商品在所述目標統計周期的預測特征向量、所述目標商品在所述前一統計周期內的銷量、以及所述競爭商品在所述前一統計周期內的銷量，獲得所述目標商品在所述目標統計周期內的預測銷量；

根據所述預測銷量調整所述目標商品的庫存。

2.根據權利要求1所述的方法，獲取在所述目標統計周期的特征向量的步驟包括：

獲取至少一個初始特征在所述目標統計周期的特征向量；

對所述初始特征在所述目標統計周期的特征向量進行合并處理，得到在所述目標統計周期的預測特征向量。

3.根據權利要求2所述的方法，所述初始特征包括商品靜態特征、日期類型特征和活動促銷特征中的任意一種或多種。

4.根據權利要求1所述的方法，還包括獲取所述競爭商品的步驟，包括：

獲取多個歷史統計周期內的用戶行為數據；

根據所述用戶行為數據，得到瀏覽所述目標商品的第一用戶集合、購買每一其他商品的第二用戶集合；

對于每一其他商品，根據所述第一用戶集合和所述第二用戶集合，得到對應其他商品與目標商品的競爭概率；

根據所述競爭概率，從所述其他商品中選取所述目標商品的所述競爭商品。

5.根據權利要求4所述的方法，所述對于每一其他商品，根據所述第一用戶集合和所述第二用戶集合，得到對應其他商品與目標商品的競爭概率包括：

對于每一其他商品，確定所述第一用戶集合和所述第二用戶集合的交集中的交集用戶數量；

對于每一其他商品，確定交集用戶數量與所述第一用戶集合中所包含的用戶數量的比值，作為所述競爭概率。

6.根據權利要求5所述的方法，所述根據所述競爭概率，從所述其他商品中選取所述目標商品的所述競爭商品包括：

選取競爭概率大于或等于預設的概率閾值的其他商品，作為所述競爭商品；或者，

根據所述競爭概率對其他商品進行降序排序，并獲取每一所述其他商品的排序值；

選取排序值在設定范圍內的其他商品，作為所述競爭商品。

7.根據權利要求1所述的方法，所述方法還包括：

獲取多個歷史統計周期的訓練樣本，其中，每一訓練樣本包括所述目標商品在對應歷史統計周期的訓練特征向量、所述競爭商品在對應歷史統計周期的訓練特征向量、所述目標商品在對應后一統計周期的預測特征向量、所述競爭商品在對應后一統計周期的預測特征向量、所述目標商品在對應歷史統計周期的實際銷量、所述競爭商品在對應歷史統計周期的實際銷量、所述目標商品在對應后一統計周期的實際銷量；其中，所述訓練特征向量包括對所述預測特征向量和其他特征的特征向量進行合并得到的特征向量，所述其他特征包括用戶行為特征和/或購買記錄特征；

根據所述訓練樣本訓練得到所述映射函數。

8.根據權利要求7所述的方法，所述訓練得到所述映射函數的步驟包括：

以所述映射函數的待定系數為變量，分別根據每一所述訓練樣本，確定所述目標商品在對應的后一統計周期的預測銷量的表達式；

根據每一所述后一統計周期的預測銷量的表達式、以及所述目標商品在對應后一統計周期的實際銷量，構建損失函數；

求解所述損失函數確定所述待定系數，完成對所述映射函數的訓練。