[發明專利]產品信息預測模型構建方法與產品信息預測方法

在審

• 申請號: 202010711613.1
• 申請日: 2020-07-22
• 公開（公告）號: CN113971471A
• 公開（公告）日: 2022-01-25
• 發明（設計）人: 侯淑芳;張碩碩;王德碩;譚云飛;孫雪嬌;許穎聰;金晶
• 申請（專利權）人: 上海順如豐來技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 黃晶晶

1.一種產品信息預測模型構建方法，其特征在于，所述方法包括：

獲取待預測SKU的歷史產品信息數據；

將所述歷史產品信息數據中的歷史類別變量和歷史連續變量輸入初始產品信息預測模型，所述初始產品信息預測模型包括Embedding網絡和DNN網絡；

通過所述Embedding網絡將所述歷史類別變量轉換為類別特征向量；

拼接所述類別特征向量和所述歷史連續變量，得到待訓練特征向量，將所述待訓練特征向量輸入所述DNN網絡，得到待比對產品信息預測結果；

根據預設損失函數和所述待比對產品信息預測結果，確定所述初始產品信息預測模型中模型參數的當前下降梯度；

根據所述當前下降梯度更新所述模型參數，得到產品信息預測模型。

2.根據權利要求1所述的方法，其特征在于，所述通過所述Embedding網絡將所述歷史類別變量轉換為類別特征向量包括：

通過所述Embedding網絡將所述歷史類別變量轉換為整數標簽，對所述整數標簽進行編碼轉換，得到與所述歷史類別變量對應的類別變量編碼向量，根據預設的權重向量對所述類別變量編碼向量做矩陣運算，得到用于表示所述歷史類別變量的類別特征向量。

3.根據權利要求1所述的方法，其特征在于，所述根據預設損失函數和所述待比對產品信息預測結果，確定所述初始產品信息預測模型中模型參數的當前下降梯度包括：

根據預設損失函數和所述待比對產品信息預測結果，計算所述初始產品信息預測模型中模型參數的當前梯度；

獲取所述初始產品信息預測模型中模型參數的歷史梯度，根據所述歷史梯度和所述當前梯度，計算所述初始產品信息預測模型中模型參數的當前下降梯度。

4.一種產品信息預測方法，其特征在于，所述方法包括：

獲取待預測SKU的產品信息數據；

將所述產品信息數據中的產品類別變量和產品連續變量輸入已訓練的產品信息預測模型，得到待預測SKU的產品信息預測結果，所述已訓練的產品信息預測模型根據如權利要求1-3任意一項所述的方法構建。

5.根據權利要求4所述的方法，其特征在于，所述將所述產品信息數據中的產品類別變量和產品連續變量輸入已訓練的產品信息預測模型，得到待預測SKU的產品信息預測結果包括：

將所述產品信息數據中的產品類別變量和產品連續變量輸入已訓練的至少兩個產品信息預測模型，得到與各產品信息預測模型對應的產品信息預測結果；

計算所述與各產品信息預測模型對應的產品信息預測結果的平均值，得到平均產品信息預測結果；

獲取與所述平均產品信息預測結果對應的時間屬性信息以及類別屬性信息；

根據所述時間屬性信息和所述類別屬性信息對所述平均產品信息預測結果進行調整，得到待預測SKU的產品信息預測結果。

6.根據權利要求5所述的方法，其特征在于，所述根據所述時間屬性信息和所述類別屬性信息對所述平均產品信息預測結果進行調整，得到待預測SKU的產品信息預測結果包括：

根據所述時間屬性信息查詢預設時間調整信息，并根據所述類別屬性信息查詢預設類別調整信息；

當在預設時間調整信息中查找到對應的目標時間信息時，從所述預設時間調整信息中獲取所述目標時間信息的時間調整系數，根據所述時間調整系數對所述平均產品信息預測結果進行調整，得到待預測SKU的產品信息預測結果；

當在預設類別調整信息中查找到對應的目標類別信息時，從所述預設類別調整信息中獲取所述目標類別信息的類別調整系數，根據所述類別調整系數對所述平均產品信息預測結果進行調整，得到待預測SKU的產品信息預測結果。

7.根據權利要求4所述的方法，其特征在于，所述將所述產品信息數據中的產品類別變量和產品連續變量輸入已訓練的產品信息預測模型，得到待預測SKU的產品信息預測結果之后，還包括：

獲取待預測SKU的產品信息真實結果；

比對所述產品信息真實結果和所述產品信息預測結果，得到產品信息預測模型的評估結果；

根據所述評估結果對所述產品信息預測模型進行調整。