预测模型的训练、确定物资需求量的方法和装置与流程

本公开涉及计算机，特别涉及一种预测模型的训练、确定物资需求量的方法和装置。

背景技术：

1、如何有效保障居民的生活物资供应是一个关键问题。其中，居民生活物资供应主要涉及两个问题：1)如何了解居民需求；2)如何进行物资供需匹配。其中，如何快速、高质量地洞察居民的生活物资需求是主要的问题。

2、相关技术中，主要基于问卷调查方式了解居民未来的物资需求，然后基于问卷调查结果联系供应商提供物资。此外，相关技术中，还存在基于时间序列预测模型对城市范围内的居民物资需求进行预测的方法。

技术实现思路

1、本公开要解决的一个技术问题是，提供一种预测模型的训练、确定物资需求量的方法和装置。

2、根据本公开的第一方面，提出了一种预测模型的训练方法，包括：根据订单数据，确定目标区域内的用户群体对目标品类物资的历史需求量；根据所述目标区域内的用户群体对目标品类物资的历史需求量，构建训练数据集与验证数据集；根据所述训练数据集与所述验证数据集，从搜索空间中确定预测模型的网络架构，所述预测模型用于预测目标区域内的用户群体对目标品类物资的未来的需求量；根据所述训练数据集，对所述预测模型进行训练。

3、在一些实施例中，所述根据订单数据，确定目标区域内的用户群体对目标品类物资的历史需求量包括：根据订单的收货地址信息，确定所述订单的收货地的经纬度信息；根据所述订单的收货地的经纬度信息，确定所述订单所属的区域；根据订单中的物品所属类别以及所述订单所属的区域，对所述订单中的物品需求量进行聚合，以得到目标区域内的用户群体对目标品类物资的历史需求量。

4、在一些实施例中，所述根据订单中的物品所属类别以及所述订单所属的区域，对所述订单中的物品需求量进行聚合，以得到目标区域内的用户群体对目标品类物资的历史需求量包括：根据订单中的物品所属类别以及所述订单所属的区域，对所述订单中的物品需求量进行聚合，以得到所述目标区域内的订单覆盖的用户对目标品类物资的历史需求量；根据所述订单覆盖的用户的数量与所述目标区域内的用户群体的总数的比值、和所述目标品类物资的平均需求间隔中的至少一项，以及所述目标区域内的订单覆盖的用户对目标品类物资的历史需求量，确定所述目标区域内的用户群体对目标品类物资的历史需求量。

5、在一些实施例中，所根据所述训练数据集与验证数据集，从搜索空间中确定预测模型的网络架构包括：根据所述目标品类物资的类别，确定网络架构学习中的损失函数；根据所述训练数据集与验证数据集，以最小化所述网络架构学习中的损失函数为目标，从搜索空间中确定预测模型的网络架构。

6、在一些实施例中，所述根据所述目标品类物资的类别，确定网络架构学习中的损失函数包括：在所述目标品类物资为必需品的情况下，将第一损失函数作为网络架构学习中的损失函数；在所述目标品类物资为非必需品的情况下，将第二损失函数作为网络架构学习中的损失函数，所述第二损失函数与所述第一损失函数不同。

7、在一些实施例中，所述第一损失函数为非对称损失函数，且满足：当目标品类物资的需求量的预测值大于标签值时，根据所述预测值与标签值的差值确定第一损失函数的取值；当目标品类物资的需求量的预测值小于或等于标签值时，根据所述预测值与标签值的差值、以及设置的惩罚因子确定第一损失函数的取值。

8、在一些实施例中，所述根据所述训练数据集与验证数据集，以最小化所述网络架构学习中的损失函数为目标，从搜索空间中确定预测模型的网络架构包括：从所述搜索空间中确定候选网络结构；根据所述训练数据集，对所述候选网络结构的模型参数进行调整，以得到调整后的模型参数；根据所述验证数据集，以所述调整后的模型参数为约束，以最小化所述网络架构学习中的损失函数为目标，对所述候选网络结构的模型结构进行调整；迭代执行模型参数调整步骤与模型结构调整步骤，直至满足模型结构收敛条件，以得到模型结构信息；根据所述模型结构信息，构建所述预测模型的网络架构。

9、在一些实施例中，所述根据所述目标区域内的用户群体对目标品类物资的历史需求量，构建训练数据集与验证数据集包括：根据所述目标区域内的用户群体对目标品类物资的历史需求量、与所述历史需求量相关的日期数据以及天气数据，构建多条样本数据；根据所述多条样本数据，构建训练数据集与验证数据集。

10、在一些实施例中，所述搜索空间包括多个依次连接的搜索单元，每个搜索单元包括多个节点、以及多个节点之间的边对应的候选算子。

11、在一些实施例中，所述多个节点之间的边对应的候选算子包括循环网络算子、自注意力算子、连接类算子、激活类算子、卷积算子、时间卷积算子、时间空洞卷积算子、自适应全连接算子中的至少一项。

12、在一些实施例中，所述多个节点之间的边对应的候选算子包括激活类算子、时间卷积算子、时间空洞卷积算子、以及自适应全连接算子。

13、根据本公开的第二方面，提出了一种确定物资需求量的方法，包括：根据订单数据，确定待预测区域内的用户群体对待预测品类物资的历史需求量；获取与待预测区域以及待预测品类物资匹配的预测模型，所述预测模型为根据如前所述的预测模型的训练方法训练得到；利用所述匹配的预测模型，对所述待预测区域内的用户群体对待预测品类物资的历史需求量进行处理，以得到所述待预测区域内的用户群体对待预测品类物资的未来的需求量。

14、在一些实施例中，根据订单数据，确定待预测区域内的用户群体对待预测品类物资的历史需求量包括：根据订单的收货地址信息，确定所述订单的收货地的经纬度信息；根据所述订单的收货地的经纬度信息，确定所述订单所属的区域；根据订单中的物品所属类别以及所述订单所属的区域，对所述订单中的物品需求量进行聚合，以得到待预测区域内的用户群体对待预测品类物资的历史需求量。

15、在一些实施例中，所述根据订单中的物品所属类别以及所述订单所属的区域，对所述订单中的物品需求量进行聚合，以得到待预测区域内的用户群体对待预测品类物资的历史需求量包括：根据订单中的物品所属类别以及所述订单所属的区域，对所述订单中的物品需求量进行聚合，以得到所述待预测区域内订单覆盖的用户对待预测品类物资的历史需求量；根据所述待预测区域内订单覆盖的用户的数量与所述待预测区域内的用户群体的总数的比值、和所述待预测品类物资的平均需求间隔中的至少一项，以及所述待预测区域内订单覆盖的用户对待预测品类物资的历史需求量，确定所述待预测区域内的用户群体对待预测品类物资的历史需求量。

16、在一些实施例中，所述根据订单中的物品所属类别以及所述订单所属的区域，对所述订单中的物品需求量进行聚合，以得到待预测区域内的用户群体对待预测品类物资的历史需求量包括：根据订单中的物品所属类别以及所述订单所属的区域，对所述订单中的物品需求量进行聚合，以得到所述待预测区域内订单覆盖的用户对待预测品类物资的历史需求量；将所述待预测区域内订单覆盖的用户对待预测品类物资的历史需求量，作为所述待预测区域内的用户群体对待预测品类物资的历史需求量。

17、在一些实施例中，还包括：根据所述待预测区域内订单覆盖的用户的数量与所述待预测区域内的用户群体的总数的比值、和所述待预测品类物资的平均需求间隔中的至少一项，对所述待预测区域内的用户群体对待预测品类物资的未来的需求量进行修正。

18、在一些实施例中，还包括：获取候选供应商信息；根据所述待预测区域内的用户群体对待预测品类物资的未来的需求量、以及所述候选供应商信息，以最小化物资供应成本为目标，确定物资供需匹配方案。

19、根据本公开的第三方面，提出了一种预测模型的训练装置，包括：历史需求量确定模块，被配置为根据订单数据，确定目标区域内的用户群体对目标品类物资的历史需求量；数据集构建模块，被配置为根据所述目标区域内的用户群体对目标品类物资的历史需求量，构建训练数据集与验证数据集；网络架构确定模块，被配置为根据所述训练数据集与所述验证数据集，从搜索空间中确定预测模型的网络架构所述预测模型用于预测目标区域内的用户群体对目标品类物资的未来的需求量；训练模块，被配置为根据所述训练数据集，对所述预测模型进行训练。

20、根据本公开的第四方面，提出了一种确定物资需求量的装置，包括：确定模块，被配置为根据订单数据，确定待预测区域内的用户群体对待预测品类物资的历史需求量；获取模块，被配置为获取与待预测区域以及待预测品类物资匹配的预测模型，所述预测模型为根据如前所述的预测模型的训练方法训练得到；预测模块，被配置为利用所述匹配的预测模型，对所述待预测区域内的用户群体对待预测品类物资的历史需求量进行处理，以得到所述待预测区域内的用户群体对待预测品类物资的未来的需求量。

21、根据本公开的第五方面，提出一种电子设备，包括：存储器；以及，耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如上述的预测模型的训练方法或确定物资需求量的方法。

22、根据本公开的第六方面，提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现如前所述的预测模型的训练方法或确定物资需求量的方法。

23、通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。