[发明专利]用于生成信息的方法和装置

说明书

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：接收预测请求，预测请求包括目标产品的属性信息、价格相关信息和品类信息；根据目标产品的属性信息和价格相关信息，生成目标产品的特征向量；将特征向量输入到预先训练的、与品类信息对应的销量预测模型，生成目标产品的销量信息，其中销量预测模型用于表征产品的特征向量与产品的销量信息之间的对应关系。该实施方式提高了销量信息的准确性。

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于生成信息的方法和装置。

背景技术

供应链计划是企业进行供应链执行的统筹与规划，在供应链各节点开始工作之前，为端到端的供应链制定需求、生产、物流、库存等各方面的行动计划，以及在供应链指标出现异常时，进行滞销清理、报废、供应商退货等异常应对的计划。

供应链计划的核心是销量预测，无论企业的规模大小、人员多少，销量预测影响到包括计划、生产和库存等各方面工作。传统的销量预测方法主要是通过对最近一段时间(例如，最近一周或一个月)的销量进行加权平均来预测未来一段时间(例如，未来一周或一个月)的销量。

发明内容

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：接收预测请求，预测请求包括目标产品的属性信息、价格相关信息和品类信息；根据目标产品的属性信息和价格相关信息，生成目标产品的特征向量；将特征向量输入到预先训练的、与品类信息对应的销量预测模型，生成目标产品的销量信息，其中销量预测模型用于表征产品的特征向量与产品的销量信息之间的对应关系。

在一些实施例中，与品类信息对应的销量预测模型通过如下步骤训练得到：获取目标产品所属品类下的至少一个产品在预设时间段内的销量数据，其中预设时间段包括至少一个子时间段；对于至少一个产品中的每个产品，从该产品的销量数据中提取该产品在每个子时间段内的属性信息、价格相关信息和历史销量信息，以及基于属性信息和价格相关信息生成该产品在每个子时间段内的特征向量；将各个产品在每个子时间段内的特征向量作为输入，将各个产品在相应子时间段内的历史销量信息作为输出，训练得到销量预测模型。

在一些实施例中，销量预测模型包括多棵回归决策树，第k棵回归决策树通过如下步骤训练得到：对于各个产品在各个子时间段内的特征向量中的每个特征向量，基于该特征向量在第一棵回归决策树的输出值至第k-1棵回归决策树的输出值以及该特征向量对应的历史销量信息，确定该特征向量在第k棵回归决策树的目标值，其中，k为大于1的整数；将各个产品在各个子时间段内的特征向量作为输入，将各个特征向量在第k棵回归决策树的目标值作为输出，训练得到第k棵回归决策树。

在一些实施例中，与品类信息对应的销量预测模型的训练步骤还包括：获取目标产品所属品类下不同产品的特征向量和历史销量信息；将每种产品的特征向量输入至k棵回归决策树，得到每种产品的预测销量信息；基于历史销量信息和预测销量信息，确定每种产品的销量信息的准确率；响应于不同产品的销量信息的准确率之间的差值大于等于k-1棵回归决策树确定不同产品的销量信息的准确率之间的差值，将k-1棵回归决策树确定为与品类信息对应的销量预测模型。

第二方面，本申请实施例提供了一种用于生成信息的装置，请求接收单元，配置用于接收预测请求，预测请求包括目标产品的属性信息、价格相关信息和品类信息；向量生成单元，配置用于根据目标产品的属性信息和价格相关信息，生成目标产品的特征向量；信息生成单元，配置用于将特征向量输入到预先训练的、与品类信息对应的销量预测模型，生成目标产品的销量信息，其中销量预测模型用于表征产品的特征向量与产品的销量信息之间的对应关系。