[發明專利]商品指標數據預測方法、裝置、存儲介質及電子設備

有效

• 申請號: 202010062546.5
• 申請日: 2020-01-19
• 公開（公告）號: CN111260142B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 肖偉集;王迪;邱顯;楊杰;羅曉華
• 申請（專利權）人: 杭州網易再顧科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/063;G06Q30/0202;G06F18/2415
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

本發明實施方式涉及一種商品指標數據預測方法、裝置、存儲介質與電子設備，涉及數據處理技術領域。該方法包括：獲取待預測商品的歷史指標數據，其包括在至少一個歷史周期中的各單位時間內，統計關于待預測商品的用戶行為所得到的指標數據；根據歷史指標數據構建多層概率模型，并基于多層概率模型進行采樣，得到用戶行為發生在各單位時間內的概率分布樣本；利用概率分布樣本，確定在一個周期中，用戶行為發生在各單位時間內的后驗概率；基于后驗概率，預測在未來至少一個單位時間內，待預測商品的指標數據。本發明適用于歷史數據不完整的情況，且通過概率分布的方式對商品指標數據的變化規律進行表征，能夠實現準確的預測。

技術領域

本發明的實施方式涉及數據處理技術領域，更具體地，本發明的實施方式涉及一種商品指標數據預測方法、商品指標數據預測裝置、計算機可讀存儲介質及電子設備。

背景技術

本部分旨在為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。

企業在開展業務時，需要對商品未來的指標數據作出預測，例如預測電商商品的銷量，以對采購、庫存管理和營銷活動策劃等相關業務環節形成指導，預測視頻網站中視頻的播放量，以對后臺的服務器與數據庫等資源進行優化配置。

現有技術中，商品指標數據預測大多采用時間序列分析法，如典型的ARIMA（Autoregressive?Integrated?Moving?Average?Model，差分整合移動平均自回歸模型）、Holt-Winters（霍爾特-溫特，一種指數平滑法）等。時間序列分析法通過對商品指標數據中連續變化的規律進行分析，預測數據未來發展的趨勢，從而得到未來某一時間的數據。

發明內容

然而，現有的時間序列分析法存在以下問題：

需要對商品指標數據中連續變化的規律進行分析，因此對歷史數據的完整性要求很高，如果歷史數據中缺失一段，導致歷史數據不連續，則對于分析結果影響很大；而實際應用中，由于缺貨斷貨、商品日齡短、促銷活動干擾等因素，歷史數據的完整性往往難以滿足要求；

商品指標數據中一般存在不可預測的影響因素，導致數據變化具有一定的偶然性，這樣在采用時間序列分析法時，難以對數據變化的規律進行擬合，導致分析結果不準確；

由于不同商品的指標數據變化規律一般不同，因此需要對每種商品單獨采用時間序列分析法進行建模分析，導致人力、時間與計算成本升高，應用時需要選擇對應的模型，也較為不便，且單一商品上歷史數據缺失的問題更加嚴重。

為此，非常需要一種改進的商品指標數據預測方法，可以改善現有技術中的上述問題。

在本上下文中，本發明的實施方式期望提供一種商品指標數據預測方法、商品指標數據預測裝置、計算機可讀存儲介質及電子設備。

根據本發明實施方式的第一方面，提供一種商品指標數據預測方法，包括：獲取待預測商品的歷史指標數據，所述歷史指標數據包括：在至少一個歷史周期中的各單位時間內，統計關于所述待預測商品的用戶行為所得到的指標數據；根據所述歷史指標數據構建多層概率模型，并基于所述多層概率模型進行采樣，得到所述用戶行為發生在各單位時間內的概率分布樣本；利用所述概率分布樣本，確定在一個周期中，所述用戶行為發生在各單位時間內的后驗概率；基于所述后驗概率，預測在未來至少一個單位時間內，所述待預測商品的指標數據。

在一種可選的實施方式中，所述根據所述歷史指標數據構建多層概率模型，并基于所述多層概率模型進行采樣，得到所述用戶行為發生在各單位時間內的概率分布樣本，包括：獲取預設的所述用戶行為的概率分布函數，并以所述概率分布函數的參數為底層參數，獲取多層概率分布參數；根據所述多層概率分布參數中頂層參數的預設樣本以及所述歷史指標數據構建所述多層概率模型，并采樣得到所述多層概率分布參數中每一層參數的樣本；將所述底層參數的樣本代入到所述概率分布函數中，采樣得到所述概率分布樣本。