[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

本申請涉及一種產品信息預測模型構建方法與產品信息預測方法。所述產品信息預測模型構建方法包括：獲取待預測SKU的歷史產品信息數據；將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，初始產品信息預測模型包括Embedding網絡和DNN網絡；通過Embedding網絡將歷史類別變量轉換為類別特征向量；拼接類別特征向量和歷史連續變量，得到待訓練特征向量，將待訓練特征向量輸入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待比對產品信息預測結果，確定初始產品信息預測模型中模型參數的當前下降梯度；根據當前下降梯度更新模型參數，得到產品信息預測模型。采用本方法能夠提高信息預測準確率。

技術領域

本申請涉及計算機技術領域，特別是涉及一種產品信息預測模型構建方法與產品信息預測方法。

背景技術

隨著計算機技術的發展，出現了產品信息預測技術，產品信息預測技術主要用于利用大數據對未來一段時間里的產品信息進行預測。大數據是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。通過利用大數據對未來一段時間里的產品信息進行預測，能夠為計劃和決策提供依據。

傳統技術中，是通過利用機器學習對產品數據進行分析的方式來進行產品信息預測的，機器學習可以對產品數據進行特征工程處理，從而根據產品數據的特征得到預測的產品信息。

然而，傳統技術中的機器學習的方法無法很好的處理有很多種類的產品類別信息，存在信息預測準確率低的問題。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高信息預測準確率的產品信息預測模型構建方法與產品信息預測方法。

一種產品信息預測模型構建方法，所述方法包括：

獲取待預測SKU(Stock keeping Unit，庫存保有單位)的歷史產品信息數據；

將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，初始產品信息預測模型包括Embedding網絡和DNN(Deep Neural Networks，深度神經網絡)網絡；

通過Embedding網絡將歷史類別變量轉換為類別特征向量；

拼接類別特征向量和歷史連續變量，得到待訓練特征向量，將待訓練特征向量輸入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待比對產品信息預測結果，確定初始產品信息預測模型中模型參數的當前下降梯度；

根據當前下降梯度更新模型參數，得到產品信息預測模型。

在一個實施例中，通過Embedding網絡將歷史類別變量轉換為類別特征向量包括：

通過Embedding網絡將歷史類別變量轉換為整數標簽，對整數標簽進行編碼轉換，得到與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類別變量編碼向量做矩陣運算，得到用于表示歷史類別變量的類別特征向量。

在一個實施例中，根據預設損失函數和待比對產品信息預測結果，確定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待比對產品信息預測結果，計算初始產品信息預測模型中模型參數的當前梯度；

獲取初始產品信息預測模型中模型參數的歷史梯度，根據歷史梯度和當前梯度，計算初始產品信息預測模型中模型參數的當前下降梯度。

一種產品信息預測方法，所述方法包括：

獲取待預測SKU的產品信息數據；