[發明專利]物品流轉量預測方法、裝置、設備和計算機可讀介質

有效

• 申請號: 202211670369.4
• 申請日: 2022-12-26
• 公開（公告）號: CN115630585B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 黃智杰;莊曉天;吳盛楠
• 申請（專利權）人: 北京京東振世信息技術有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F18/25;G06Q10/04;G06F16/9537
• 代理公司: 北京唯智勤實知識產權代理事務所(普通合伙) 11557
• 代理人: 史立狀

本公開的實施例公開了物品流轉量預測方法、裝置、設備和計算機可讀介質。該方法的一具體實施方式包括：獲取歷史時間段的目標物品的歷史動態特征數據時間序列和歷史靜態特征數據；將歷史動態特征數據時間序列輸入至預先訓練的編碼與解碼模型包括的編碼模型，以生成第一特征向量列表，其中，編碼與解碼模型用于生成預測流轉量；對歷史靜態特征數據進行詞嵌入處理，得到第二特征向量；對第一特征向量列表和第二特征向量進行拼接，得到拼接向量；將拼接向量輸入至編碼與解碼模型包括的解碼模型，得到對應目標時間的流轉量。該實施方式與人工智能有關，使用訓練后的編碼與解碼模型，可以更為精準地預測出目標物品對應的流轉量。

技術領域

本公開的實施例涉及計算機技術領域，具體涉及物品流轉量預測方法、裝置、設備和計算機可讀介質。

背景技術

物品流轉量預測是物品流轉規劃中的重要一步，準確預測物品的未來流轉量對于控制庫存價值和庫存水平有著重要作用。對于物品的未來流轉量預測，通常采用的方式為：利用預先訓練的簡單時間序列預測方法或機器學習模型，來預測物品在未來某一時間點的流轉量。

然而，發明人發現，當采用上述方式來預測物品的流轉量，經常會存在如下技術問題：

無論是用簡單時間序列還是機器學習方法進行預測，都無法捕捉到完整的流轉量特征，從而，使得針對物品流轉量的預測不夠精準。

該背景技術部分中所公開的以上信息僅用于增強對本發明構思的背景的理解，并因此，其可包含并不形成本國的本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的內容部分用于以簡要的形式介紹構思，這些構思將在后面的具體實施方式部分被詳細描述。本公開的內容部分并不旨在標識要求保護的技術方案的關鍵特征或必要特征，也不旨在用于限制所要求的保護的技術方案的范圍。

本公開的一些實施例提出了物品流轉量預測方法、裝置、設備和計算機可讀介質，來解決以上背景技術部分提到的技術問題中的一項或多項。

第一方面，本公開的一些實施例提供了一種物品流轉量預測方法，該方法包括：獲取歷史時間段的目標物品的歷史動態特征數據時間序列和歷史靜態特征數據；將上述歷史動態特征數據時間序列輸入至預先訓練的編碼與解碼模型包括的編碼模型，以生成第一特征向量列表，其中，上述編碼與解碼模型用于生成預測流轉量；對上述歷史靜態特征數據進行詞嵌入處理，得到第二特征向量；對上述第一特征向量列表和上述第二特征向量進行拼接，得到拼接向量；將上述拼接向量輸入至上述編碼與解碼模型包括的解碼模型，得到對應目標時間的流轉量。

可選地，上述方法還包括：將第一預設計數器的值初始化為第一預設計數值；將所得到的對應上述目標時間的流轉量確定為目標流轉量；基于上述目標流轉量，執行以下流轉量生成步驟：將上述目標流轉量對應時間點的后一時間點確定為第二目標時間；將上述目標流轉量添加至上述歷史動態特征數據時間序列的末尾，以及從上述歷史動態特征數據時間序列中刪除對應第一位置的歷史動態特征數據，得到目標歷史動態特征數據時間序列；將上述目標歷史動態特征數據時間序列輸入至上述編碼模型，以生成第一目標特征向量列表；將上述第一目標特征向量列表和上述第二特征向量進行拼接，得到目標拼接向量；將上述目標拼接向量輸入至上述解碼模型，得到對應上述第二目標時間的流轉量，以及將上述第一預設計數器的值與第一預設步長值的和確定為第一目標計數值；響應于確定上述第一目標計數值滿足預設預測次數條件，對所得到的各個目標流轉量進行排序，得到目標流轉量序列。

可選地，上述方法還包括：響應于確定上述第一目標計數值未滿足上述預設預測次數條件，將對應上述第二目標時間的流轉量作為目標流轉量，以及將上述目標歷史動態特征數據時間序列作為歷史動態特征數據時間序列，再次執行上述流轉量生成步驟。