[发明专利]一种基于深度学习的商品采购量预测方法及装置

说明书

本发明公开了一种基于深度学习的商品采购量预测方法及装置，该方法包括：获取目标商品的历史销售数据；根据所述历史销售数据，进行训练生成神经网络模型；利用训练好的神经网络模型对目标商品在未来预设时间段内的商品销售趋势进行预测，得到预测结果；利用所述预测结果，计算得到所述目标商品的采购量。本发明基于对未来商品销售情况的预测，实现了减少商品积压，提高电商平台的运行效率的目的。

技术领域

本发明涉及神经网络技术领域，特别是涉及一种基于深度学习的商品采购量预测方法及装置。

背景技术

目前，随着互联网电子商务技术与业务的快速发展，用户在网上购买物品的种类与数量越来越多。在大数据环境下，电商平台更加方便地积累与存储顾客的购物信息数据，如何从这些数据中挖掘出有价值的数据，来提高电商平台的运行效率，已经成为当前热点研究。

发明内容

针对于上述问题，本发明提供一种基于深度学习的商品采购量预测方法及装置，基于对未来商品销售情况的预测，实现了减少商品积压，提高电商平台的运行效率的目的。

为了实现上述目的，本发明提供了如下技术方案：

一种基于深度学习的商品采购量的预测方法，包括：

获取目标商品的历史销售数据；

根据所述历史销售数据，进行训练生成神经网络模型；

利用训练好的神经网络模型对目标商品在未来预设时间段内的商品销售趋势进行预测，得到预测结果；

利用所述预测结果，计算得到所述目标商品的采购量。

可选地，所述获取目标商品的历史销售数据，包括：

获取所述目标商品在目标周期内的初始销售数据；

对所述初始销售数据进行数据清洗，获得历史销售数据。

可选地，所述根据所述历史销售数据，进行训练生成神经网络模型，包括：

将所述历史销售数据进行划分，得到训练集和测试集；

创建初始神经网络模型，并通过所述训练集对所述初始神经网络模型进行训练，得到训练后的神经网络模型；

通过所述测试集对所述训练后的神经网络模型进行测试，得到训练测试结果；

依据所述训练测试结果确定所述神经网络模型。

可选地，所述依据所述训练测试结果确定所述神经网络模型，包括：

若所述测试结果不满足预设条件，则对所述训练后的神经网络模型的网络结构进行优化，得到所述神经网络模型。

可选地，所述利用所述预测结果，计算得到所述目标商品的采购量，包括：

根据所述目标商品的库存数量和实际销售信息，生成所述目标商品的采购系数；

根据所述采购系数和所述预测结果，计算得到所述目标商品的采购量。

一种基于深度学习的商品采购量预测装置，包括：

获取单元，用于获取目标商品的历史销售数据；

生成单元，用于根据所述历史销售数据，进行训练生成神经网络模型；

预测单元，用于利用训练好的神经网络模型对目标商品在未来预设时间段内的商品销售趋势进行预测，得到预测结果；

计算单元，用于利用所述预测结果，计算得到所述目标商品的采购量。

可选地，所述获取单元包括：