[发明专利]时间期满库存的需求预测

说明书

相关申请的交叉引用

本申请要求于2014年11月26日提交的美国临时申请号62/085,049、于2015年2月5日提交的美国临时申请号62/112,567和于2015年5月26日提交的美国临时申请号62/166,440的权益，其全部内容通过引用并入本文。

技术领域

本申请一般涉及在时间期满库存的情景中使用机器学习模型和数据分析，特别涉及将训练标签分配给与时间期满库存有关的机器学习样本数据。

背景技术

在商品或服务的通常交易中，控制或拥有商品的管理员设定商品的价格并且等待有兴趣方同意支付所建议的价格。经常，管理员未能正确地对商品进行定价，但因为市场上的不完整信息和其它经济因素，所以有人可能最终同意支付价格。然而，因为如果库存在其期满之前没有出售，则库存就被浪费，并且管理员没有收到收益，所以对时间期满库存进行定价是个更具挑战性的工作。因此，时间期满库存的管理员很可能对其库存进行定价太高并且在期满时有失去收益的风险，或者将其库存定价太低而收到不理想的收益但利用率很高。附加地，时间期满库存的理想或期望的市场清算价格可能随库存接近其期满日期而改变。这些因素的组合使得时间期满库存的管理员难以对其库存进行最优化的定价。

发明内容

在线系统使得管理员能够为时间期满库存创建列表，并且使得客户能够提交交易请求来预约、租赁或购买所列出的时间期满库存。在线系统估计时间期满库存的列表的需求。在线系统定义了特征集合，其描述了时间期满库存、相关联的列表以及时间期满库存的市场。这些描述性特征的集合是列表的特征向量。在线系统通过将该列表的特征向量输入到需求函数来估计对列表的需求。

需求函数可以包括特征向量的每个特征的特征模型，其中，特征向量中的每个特征与特征模型相关联。需求函数可以是将特征模型相加以产生需求估计的广义加法模型。在线系统可以使用训练数据来训练需求函数，其中，来自训练数据的每个样本包括二进制标签，该二进制标签描述了列表的时间期满库存是否在其期满之前从客户接收到交易请求以及描述每个采样时间的时间期满库存的列表。在线系统可以收集用于单个列表的多个样本，其中，每个样本与在时间期满库存期满之前的时间周期内的时间期满库存的列表的特征相对应。

然后，在线系统可以使用似然性模型将需求估计转换为从客户接收交易请求的似然性。然后，在线系统可以为时间期满库存的管理员创建价格提示。在线系统通过生成大于或小于时间期满库存的当前价格的测试价格集合来计算价格提示。然后，在线系统将时间期满库存的列表的修改特征向量(每个修改特征向量具有不同测试价格)输入到需求函数中。需求函数产生测试需求估计集合，在线系统使用似然性模型将其转换为测试似然性集合。

然后，在线系统可以基于该测试似然性集合来确定价格提示。在线系统可以基于数据点来拟合函数，每个数据点包括测试似然性和产生测试似然性的对应测试价格。该函数表示一系列价格以及由此产生的接收交易请求的预测似然性。在线系统可以选择使价格和函数上的点的请求似然性的乘积最大化的新价格。

附图说明

图1是按照一个实施例的使得用于预订的时间期满库存可用的包括在线系统的计算环境的框图。

图2是按照一个实施例的在线系统的逻辑部件的框图。

图3A至3B是图示了按照一个实施例的需求模块的部件和操作的图。

图4A至图4D图示了按照一个实施例的由需求模块使用的训练数据的标注逻辑。

图5图示了按照一个实施例的用于存储由需求模块使用的训练数据的示例存储装置。

图6图示了按照一个实施例的特征模型。

图7A至图7B图示了按照一个实施例的示例特征模型。

图8图示了按照一个实施例的由需求模块使用的似然性模型。

图9A至图9C图示了按照一个实施例的为列表创建定价模型的过程。

附图仅为了说明的目的而描绘了本发明的各种实施例。本领域技术人员将从以下讨论中容易地认识到，在不背离本文中所描述的本发明的原理的情况下，可以采用本文中所说明的结构和方法的备选实施例。

具体实施方式

I.系统概述

图1是按照一个实施例的包括用于提供用于购买、租借、租赁、预约等的时间期满库存的在线系统的计算环境的框图。网络109表示交易的一方(这里被称为客户102A)和交易的另一方(这里被称为管理员102B)之间的通信路径。