[发明专利]即将到期库存的需求预测

说明书

本公开包括用于基于即将到期库存的价格来预测需求的方法。在线系统提供即将到期库存的管理者与多个客户之间的连接。在线系统为在线系统的客户提供用于管理者的即将到期库存的列表。管理者指定列表中即将到期库存的价格，并且被提供由在线系统生成的价格提示。需求函数基于列表和即将到期库存的特征来预测针对即将到期库存的需求。管理者选项函数预测管理者接受价格提示的可能性。在线系统使用需求函数和管理者选项函数来创建蒙特卡洛定价模型，以向管理者提供针对列表的价格提示。

技术领域

本申请总体涉及机器学习模型和数据分析在即将到期库存背景下的使用，并且特别涉及将训练标签分配给与即将到期库存相关的机器学习样本数据。

背景技术

在针对商品或服务的典型交易中，控制或拥有商品的管理者设定商品的价格，并等待感兴趣的一方同意支付所提出的价格。管理者经常无法正确地定价商品，但由于市场信息不完整以及其他经济因素，有人可能会最终同意支付价格。但是，定价即将到期库存是一项更具挑战性的工作，因为如果库存未能在到期之前售出，则会浪费库存而管理者不会收到任何收入。因此，即将到期库存的管理者很容易对库存定价过高，冒着因到期而损失收入的风险，或者对库存定价过低，在使用良好的情况下收益欠佳。此外，针对即将到期库存的理想或期望市场清算价格可能会随着库存接近其到期日期而变化。这些因素的组合使得即将到期库存的管理者难以对其库存进行最佳定价。

发明内容

在线系统使得管理者能够为即将到期库存创建列表，并使客户能够提交交易请求以预定、租赁或购买列出的即将到期库存。在线系统估计对即将到期库存列表的需求，并估计管理者在一定价格范围内定价列表的可能性。在线系统定义描述即将到期库存、相关列表以及即将到期库存市场的特征集。这些描述特征集是针对列表的特征向量。在线系统通过将该列表的特征向量输入需求函数，来估计对列表的需求。在线系统通过将特征向量输入管理者选项函数，来估计管理者定价列表的可能性。根据实施例，用于需求函数的特征向量可以包括来自管理者选项函数的不同特征集。此外，除描述列表的特征之外，管理者选项函数还可以包括描述管理者的特征。

需求函数包括针对特征向量中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。需求函数可以是广义相加模型，其对特征模型求和以生成需求估计。在线系统可以使用训练数据训练需求函数，其中来自训练数据的每个样本包括二元标签和特征向量，二元标签描述列表中的即将到期库存是否在到期之前收到来自客户的交易请求，特征向量描述每个样本时间处的即将到期库存列表。在线系统可以收集用于单个列表的多个样本，其中每个样本对应于即将到期库存到期之前的时间段内即将到期库存列表的特征。

管理者选项模型与需求模型类似地被创建。特征向量中的每个特征具有关联特征模型，并且这些特征模型可以使用广义相加模型进行组合以生成与管理者将选择以通过系统提供的提示、以给出的价格来定价即将到期库存的可能性相关联的接受估计。虽然两个函数的特征可能重叠，但这两个函数使用不同的训练数据和训练标签。用于具有正标签的管理者选项函数的训练数据的每个样本对应于管理者过去为接收到交易的即将到期列表设定的价格。用于管理者选项函数的负训练数据在管理者设定的最低价格与0价格之间随机生成。

然后，在线系统使用可能性模型将需求估计转换为从客户收到交易请求的可能性。在线系统使用单独可能性模型将接受估计转换为管理者以给定价格定价列表的可能性。然后，在线系统可以为即将到期库存的管理者创建价格提示。在线系统通过生成大于或小于即将到期库存当前价格的测试价格集计算价格提示。然后，在线系统将即将到期库存列表的修改特征向量输入需求函数，每个修改特征向量具有不同的测试价格。利用相同的过程生成用于管理者选项模型的多个测试价格和修改特征向量。需求函数和管理者选项函数均生成测试需求估计集和测试接受估计集，在线系统使用可能性模型将其转换为测试可能性集。