[发明专利]基于人工智能的商品订购方法、装置、计算机和存储介质

说明书

本申请涉及一种基于人工智能的商品订购方法、装置、计算机和存储介质。该方法包括：获取用户的行为历史数据；解析行为历史数据，获得用户的特征向量；获取目标商品的特征信息；将用户的特征向量以及目标商品的特征信息导入概率预测模型中计算，得到预测概率；根据预测概率计算得到目标商品的需求量。通过将用户的特征向量和目标商品的特征信息导入至预测模型中，计算得到目标商品的需求量，使得商家能够根据目标商品的需求量进行商品的备货，根据目标商品的需求量进行原料的采购和订单，有效提高了目标商品的需求量精度，避免商家对需求较少的商品进行大量备货以及原料采购，使得商家的备货成本下降。

技术领域

本申请涉及商品订购技术领域，特别是涉及一种商品订购方法、装置、计算机和存储介质。

背景技术

随着互联网的高速的发展，尤其是移动互联网的高速发展，移动互联网的各种应用极大丰富了人们的业余生活。人们可以足不出户地进行购物、娱乐和消费。

不同地区的不同用户群体的购买需求不同。商家生产商品时，需要为不同的用户地区的不同用户群体备货。因此，往往商家需要对各类商品都进行大量备货，以避免商品的货源不充足的情况。然而，这种大量备货的做法却导致了商家的生产成本较高，商家需要为商品采购较多的原料，并且，对于一些需求量不高的商品，如果也大量备货，将会导致商家的商品积压，进而影响商家的资金回流，造成商家的资金压力较大。传统的供需关系无法满足商家的需求，无法精确地让商家根据商品需求合理地采购原料。

发明内容

基于此，有必要针对上述技术问题，提供一种基于人工智能的商品订购方法、装置、计算机和存储介质。

一种基于人工智能的商品订购方法，所述方法包括：

获取用户的行为历史数据；

解析所述行为历史数据，获得用户的特征向量；

获取目标商品的特征信息；

将所述用户的特征向量以及所述目标商品的特征信息导入概率预测模型中计算，得到预测概率；

根据所述预测概率计算得到目标商品的需求量。

在其中一个实施例中，所述解析所述行为历史数据，获得用户的特征向量的步骤包括：

将所述行为历史数据导入至用户模型进行解析，获得所述用户的特征向量。

在其中一个实施例中，所述获取用户的行为历史数据的步骤之后还包括：

获取目标商品；

基于所述目标商品，对所述用户的行为历史数据进行过滤，获得与所述目标商品相关的行为历史数据；

所述解析所述行为历史数据，获得用户的特征向量的步骤包括：

解析与所述目标商品相关的所述行为历史数据，获得用户的特征向量。

在其中一个实施例中，还包括步骤：

获取所述目标商品的历史数据；

解析所述目标商品的历史数据，获得原料数据和生产时间数据；

所述根据所述预测概率计算得到目标商品的需求量的步骤之后还包括：

根据所述目标商品的需求量、所述原料数据和所述生产时间数据，计算得到原料需求量和生产时间数据。

在其中一个实施例中，所述根据所述目标商品的需求量、所述原料数据和所述生产时间数据，计算得到原料需求量和生产时间数据的步骤之后还包括：

根据所述原料需求量和所述生产时间数据生成订单。

在其中一个实施例中，所述解析所述目标商品的历史数据，获得原料数据和生产时间数据的步骤包括：