销量预测模型生成与预测的方法及装置、系统、存储介质与流程

本公开总体说来涉及人工智能领域，更具体地讲，涉及一种销量预测模型生成与预测的方法及装置、系统、存储介质。

背景技术：

1、在过去的几十年里，整个商业世界都踏上了数字化时代的转型道路。供应链的数字化构建是企业运营过程中不可或缺的一部分。通过补货计划来降低库存和运营成本是供应链中的一个重要环节，这里面包括供应商到总仓的补货计划以及总仓到分仓的补货计划，而客户端的需求预测对于供应链的补货计划又起到了决定性作用。因此如何准确地预测商品未来的需求量(也即，商品销量)对于降低企业运营成本、降低库存十分重要。然后，已有的商品销量预测方法的预测准确性还有待进一步提高。

技术实现思路

1、本公开的示例性实施例在于提供一种销量预测模型生成与预测的方法及装置、系统、存储介质，其能够快速准确地预测销量。

2、根据本公开的示例性实施例，提供一种销量预测模型的生成方法，所述销量预测模型包括：第一模型与第二模型，其中，所述第一模型用于预测目标对象的理论销量，所述第二模型用于预测所述目标对象的销量波动量，所述销量波动量表示由于促进购买行为和机会损失所带来的销量波动量；所述方法包括：获取训练样本，所述训练样本包括：作用于所述第一模型的第一训练样本、作用于所述第二模型的第二训练样本，以及所述目标对象的实际销量；利用所述训练样本，对所述第一模型和所述第二模型进行联合训练；其中，所述销量预测模型的预测结果基于所述理论销量与所述销量波动量而确定。

3、可选地，利用所述训练样本，对所述第一模型和所述第二模型进行联合训练的步骤包括：利用所述训练样本与所述第二模型，对所述第一模型进行优化；利用所述训练样本与优化完成的第一模型，对所述第二模型进行优化。

4、可选地，利用所述训练样本，对所述第一模型和所述第二模型进行联合训练的步骤包括：利用所述训练样本，对所述销量预测模型进行多轮交替优化过程，其中，任意一轮所述交替优化过程包括：利用所述训练样本，获取当前销量预测模型针对所述目标对象预测的第一预测销量；基于所述第一预测销量与所述实际销量，对所述第一模型进行优化；利用所述训练样本，获取所述第一模型本轮优化后的销量预测模型针对所述目标对象预测的第二预测销量；基于所述第二预测销量与所述实际销量，对所述第二模型进行优化。

5、可选地，利用所述训练样本与所述第二模型，对所述第一模型进行优化的步骤包括：利用所述训练样本与所述第二模型，对所述第一模型进行多轮第一优化过程，其中，任意一轮所述第一优化过程包括：利用所述训练样本，获取当前销量预测模型针对所述目标对象预测的第一预测销量；基于所述第一预测销量与所述实际销量，对所述第一模型进行优化。

6、可选地，利用所述训练样本与优化完成的第一模型，对所述第二模型进行优化的步骤包括：利用所述训练样本与优化完成的第一模型，对所述第二模型进行多轮第二优化过程，其中，任意一轮所述第二优化过程包括：利用所述训练样本，获取所述第一模型完成优化后的销量预测模型针对所述目标对象预测的第二预测销量；基于所述第二预测销量与所述实际销量，对所述第二模型进行优化。

7、可选地，利用所述训练样本，获取当前销量预测模型针对所述目标对象预测的第一预测销量的步骤包括：将所述第一训练样本输入所述第一模型，得到所述第一模型预测的所述目标对象的理论销量；将所述第二训练样本输入所述第二模型，得到所述第二模型预测的所述目标对象的销量波动量；获取所述理论销量与所述销量波动量之和，得到所述第一预测销量。

8、可选地，基于所述第二预测销量与所述实际销量，对所述第二模型进行优化的步骤包括：基于所述第二预测销量与所述实际销量，确定损失函数的函数值；利用梯度更新算法，基于所述损失函数的函数值调整所述第二模型的模型参数。

9、可选地，利用所述训练样本，获取当前销量预测模型针对所述目标对象预测的第一预测销量的步骤还包括：在获取所述理论销量与所述销量波动量之和之前，利用专家知识，对所述销量波动量进行修正，其中，所述专家知识用于限制所述第二模型中各个影响因子对销量的影响范围。

10、可选地，获取训练样本的步骤包括：对训练数据进行特征提取，得到所述第一训练样本和所述第二训练样本。

11、可选地，对训练数据进行特征提取，得到所述第一训练样本的步骤包括：基于所述训练数据中的字段生成关于所述字段的衍生特征；从生成的衍生特征中筛选出特征重要性满足预设条件的衍生特征；将所述字段及筛选出的衍生特征作为所述第一训练样本。

12、可选地，所述第二模型与第一影响因子、第二影响因子相关；其中，所述第一影响因子用于体现促进购买行为对目标对象销量的影响，所述第一影响因子包括以下项之中的至少一项：促销因子、季节因子；所述第二影响因子用于体现机会损失对目标对象销量的影响，所述第二影响因子包括以下项之中的至少一项：缺货因子、客流因子、天气因子、异常情况因子。

13、可选地，所述目标对象为商品。

14、根据本公开的示例性实施例，提供一种销量预测方法，包括：获取关于预测对象的预测数据；对获取的预测数据进行特征提取，得到第一预测样本和第二预测样本；将所述第一预测样本与所述第二预测样本输入训练好的销量预测模型，得到所述销量预测模型输出的所述预测对象的预测销量；其中，所述销量预测模型通过执行如上所述的方法而生成，其中，所述第一预测样本作用于所述销量预测模型中的第一模型，所述第二预测样本作用于所述销量预测模型中的第二模型。

15、可选地，还包括：基于所述预测销量，对所述预测对象的库存数据进行调整。

16、根据本公开的示例性实施例，提供一种销量预测模型的生成装置，所述销量预测模型包括：第一模型与第二模型，其中，所述第一模型用于预测目标对象的理论销量，所述第二模型用于预测所述目标对象的销量波动量，所述销量波动量表示由于促进购买行为和机会损失所带来的销量波动量；所述装置包括：训练样本获取单元，被配置为获取训练样本，所述训练样本包括：作用于所述第一模型的第一训练样本、作用于所述第二模型的第二训练样本，以及所述目标对象的实际销量；训练单元，被配置为利用所述训练样本，对所述第一模型和所述第二模型进行联合训练；其中，所述销量预测模型的预测结果基于所述理论销量与所述销量波动量而确定。

17、可选地，训练单元被配置为：利用所述训练样本与所述第二模型，对所述第一模型进行优化；利用所述训练样本与优化完成的第一模型，对所述第二模型进行优化。

18、可选地，训练单元被配置为：利用所述训练样本，对所述销量预测模型进行多轮交替优化过程，其中，任意一轮所述交替优化过程包括：利用所述训练样本，获取当前销量预测模型针对所述目标对象预测的第一预测销量；基于所述第一预测销量与所述实际销量，对所述第一模型进行优化；利用所述训练样本，获取所述第一模型本轮优化后的销量预测模型针对所述目标对象预测的第二预测销量；基于所述第二预测销量与所述实际销量，对所述第二模型进行优化。

19、可选地，训练单元被配置为：利用所述训练样本与所述第二模型，对所述第一模型进行多轮第一优化过程，其中，任意一轮所述第一优化过程包括：利用所述训练样本，获取当前销量预测模型针对所述目标对象预测的第一预测销量；基于所述第一预测销量与所述实际销量，对所述第一模型进行优化。

20、可选地，训练单元被配置为：利用所述训练样本与优化完成的第一模型，对所述第二模型进行多轮第二优化过程，其中，任意一轮所述第二优化过程包括：利用所述训练样本，获取所述第一模型完成优化后的销量预测模型针对所述目标对象预测的第二预测销量；基于所述第二预测销量与所述实际销量，对所述第二模型进行优化。

21、可选地，训练单元被配置为：将所述第一训练样本输入所述第一模型，得到所述第一模型预测的所述目标对象的理论销量；将所述第二训练样本输入所述第二模型，得到所述第二模型预测的所述目标对象的销量波动量；获取所述理论销量与所述销量波动量之和，得到所述第一预测销量。

22、可选地，训练单元被配置为：基于所述第二预测销量与所述实际销量，确定损失函数的函数值；利用梯度更新算法，基于所述损失函数的函数值调整所述第二模型的模型参数。

23、可选地，训练单元还被配置为：在获取所述理论销量与所述销量波动量之和之前，利用专家知识，对所述销量波动量进行修正，其中，所述专家知识用于限制所述第二模型中各个影响因子对销量的影响范围。

24、可选地，训练样本获取单元被配置为：对训练数据进行特征提取，得到所述第一训练样本和所述第二训练样本。

25、可选地，训练样本获取单元被配置为：基于所述训练数据中的字段生成关于所述字段的衍生特征；从生成的衍生特征中筛选出特征重要性满足预设条件的衍生特征；将所述字段及筛选出的衍生特征作为所述第一训练样本。

26、可选地，所述第二模型与第一影响因子、第二影响因子相关；其中，所述第一影响因子用于体现促进购买行为对目标对象销量的影响，所述第一影响因子包括以下项之中的至少一项：促销因子、季节因子；所述第二影响因子用于体现机会损失对目标对象销量的影响，所述第二影响因子包括以下项之中的至少一项：缺货因子、客流因子、天气因子、异常情况因子。

27、可选地，所述目标对象为商品。

28、根据本公开的示例性实施例，提供一种销量预测装置，包括：预测数据获取，被配置为获取关于预测对象的预测数据；预测样本获取单元，被配置为对获取的预测数据进行特征提取，得到第一预测样本和第二预测样本；销量预测单元，被配置为将所述第一预测样本与所述第二预测样本输入训练好的销量预测模型，得到所述销量预测模型输出的所述预测对象的预测销量；其中，所述销量预测模型通过如上所述的装置而生成，其中，所述第一预测样本作用于所述销量预测模型中的第一模型，所述第二预测样本作用于所述销量预测模型中的第二模型。

29、可选地，还包括：调整单元，被配置为基于所述预测销量，对所述预测对象的库存数据进行调整。

30、根据本公开的示例性实施例，提供一种包括至少一个计算装置和至少一个存储指令的存储装置的系统，其中，所述指令在被所述至少一个计算装置运行时，促使所述至少一个计算装置执行如上所述的销量预测模型的生成方法和/或如上所述的销量预测方法。

31、根据本公开的示例性实施例，提供一种存储指令的计算机可读存储介质，其中，当所述指令被至少一个计算装置运行时，促使所述至少一个计算装置执行如上所述的销量预测模型的生成方法和/或如上所述的销量预测方法。

32、根据本公开的示例性实施例的销量预测模型生成与预测的方法及装置、系统、存储介质，基于使用联合训练得到的用于预测理论销量的第一模型和用于预测销量波动量的第二模型的预测结果，来得到销量综合预测结果，一方面，充分考虑到促进购买行为和机会损失对于销量的影响，在预测时增加这两个参考维度，另一方面，考虑到无法准确得到理论销量和销量波动量各自对应的实际值分别用于第一模型和第二模型训练，提出基于实际销量对第一模型和第二模型进行联合训练，以提高模型的训练效果，从而本公开能够有效提高销量预测的准确性。

33、将在接下来的描述中部分阐述本公开总体构思另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本公开总体构思的实施而得知。