[发明专利]数据采集方法、装置、电子设备和存储介质

说明书

本发明实施例公开了一种数据采集方法、装置、电子设备和存储介质，该数据采集方法包括：根据目标仓库的物品的历史需求量特征数据构建样本，得到原始样本集；根据原始样本集中的每个样本对应的数据产生时间将原始样本集中的样本分类；获取为分类得到的每类样本集设置的样本采集策略；按照样本采集策略从对应类别的样本集中采集样本，得到目标样本集。目标样本集用于模型训练，可以提高模型训练效率、提高训练出的模型的预测准确度。

技术领域

本发明涉及计算机技术，尤其涉及一种数据采集方法、装置、电子设备和存储介质。

背景技术

近年来，物流市场规模随着经济增长不断扩大，物流网络也进入了规模化、高增长阶段，物流网络中涉及大量仓库，仓库的物品需求量预测对仓库的精细化运营起着重要的作用。

现有的仓库的物品需求量预测通常是通过训练机器学习模型实现的，在实现本发明的过程中，发明人发现，现有技术中，在训练用于预测仓库的物品需求量的机器学习模型时，通常是基于仓库的全部历史数据进行的，基于全部历史数据进行模型训练，对所有历史数据一视同仁，没有考虑不同时间产生的历史数据对需求量预测所产生的不同影响，导致训练效率低、训练出的模型预测准确度也不够。

发明内容

本发明实施例提供一种数据采集方法、装置、电子设备和存储介质，所采集的数据用于模型训练，能够提高模型训练效率、提高训练出的模型的预测准确度。

第一方面，本发明实施例提供一种数据采集方法，包括：

根据目标仓库的物品的历史需求量特征数据构建样本，得到原始样本集；

根据所述原始样本集中的每个样本对应的数据产生时间将所述原始样本集中的样本分类；

获取为分类得到的每类样本集设置的样本采集策略；

按照所述样本采集策略从对应类别的样本集中采集样本，得到目标样本集。

第二方面，本发明实施例提供一种数据采集装置，所述装置包括：

样本构建模块，用于根据目标仓库的物品的历史需求量特征数据构建样本，得到原始样本集；

样本分类模块，用于根据所述原始样本集中的每个样本对应的数据产生时间将所述原始样本集中的样本分类；

策略获取模块，用于获取为分类得到的每类样本集设置的样本采集策略；

样本采集模块，用于按照所述样本采集策略从对应类别的样本集中采集样本，得到目标样本集。

第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的数据采集方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的数据采集方法。

本发明实施例中，可以根据目标仓库的物品的历史需求量特征数据构建样本，得到原始样本集；根据原始样本集中的每个样本对应的数据产生时间将原始样本集中的样本分类；获取为分类得到的每类样本集设置的样本采集策略；按照样本采集策略从对应类别的样本集中采集样本，得到目标样本集。即本发明实施例中，可以利用目标样本集进行模型训练，用于模型训练的目标样本集相当于是从原始样本集中采集样本得到的，目标样本集是原始样本集的一个子集，因而减少了模型训练所使用的样本的数量，提高了模型训练效率；另外，在采集样本时，会根据每个样本对应的数据产生时间对原始样本集中的样本分类，针对分类得到的不同类别的样本集，采用不同的样本采集策略采集样本，考虑了不同时间产生的历史数据对需求量预测所产生的不同影响，提高了训练出的模型的预测准确度。

附图说明