[发明专利]SKU级别商品销量预测方法及装置

权利要求书

1.一种SKU级别商品销量预测方法，其特征在于，包括：

获取SKU商品的多种特征数据，分别进行特征提取，得到多个特征向量；

将所述多个特征向量输入预设的人工神经网络模型，根据所述人工神经网络模型的输出结果，确定SKU商品预测窗口的总销量；

其中，所述特征数据包括，商品静态属性特征、历史窗口销量数据、预测窗口动态特征；所述预设的人工神经网络模型，根据已知预测窗口销量结果作为标签的特征数据，进行训练后得到。

2.根据权利要求1所述的SKU级别商品销量预测方法，其特征在于，所述历史窗口销量数据包括SKU商品历史窗口销量数据，和同产品ID商品历史窗口销量数据，相应地，进行特征提取，得到多个特征向量，包括：

对SKU商品历史窗口销量数据，和同产品ID商品历史窗口销量数据，分别采用一维因果卷积进行特征提取；

将卷积后的SKU商品历史窗口销量特征、同产品ID商品历史窗口销量特征，以及SKU商品历史窗口销量原始数据进行序列拼接，得到历史窗口销量数据的特征向量。

3.根据权利要求1所述的SKU级别商品销量预测方法，其特征在于，所述商品静态属性特征，包括商品SKU编号、产品ID、品牌编号、品牌类别编号和商品所属各级类目编号中至少一种，相应地，进行特征提取，得到多个特征向量，包括：

将每一商品静态属性特征，转换为独热码后，映射到低维的向量空间，得到所述商品静态属性特征的特征向量。

4.根据权利要求1所述的SKU级别商品销量预测方法，其特征在于，所述预测窗口动态特征，包括预测窗口的促销特征，相应地，进行特征提取，得到多个特征向量，包括：

将平台是否处于促销状态的表征、平台的促销等级和SKU商品是否处于特卖排期的表征，分别映射到向量空间后进行拼接，得到拼接后向量；

根据预测窗口的拼接后的向量，分别从预设的记忆网络中，获取对应的促销活动的嵌入表达向量；

根据所述促销活动的嵌入表达向量，从预设的记忆网络中，获取相似度最高的K个嵌入表达向量，和K个嵌入表达向量对应的K个归一化销量序列；

对于K个嵌入表达向量和所述促销活动的嵌入表达向量，根据相似度，计算注意力权重；

利用得到的注意力权重，对K个归一化销量序列进行加权池化，得到加权归一化销量序列，作为预测窗口动态特征对应的特征向量；

其中，K为大于或等于1的正整数。

5.根据权利要求4所述的SKU级别商品销量预测方法，其特征在于，所述将所述多个特征向量输入预设的人工神经网络模型之前，还包括：

获取多个历史窗口的销量数据，和对应的促销特征；

根据历史窗口促销特征中，平台是否处于促销状态的表征、平台的促销等级和SKU商品是否处于特卖排期的表征，分别映射到向量空间后进行拼接，得到拼接后向量；

将每个历史窗口促销特征的拼接后向量，输入多个GRU单元级联的GRU网络，得到每个历史窗口促销特征的向量表达；

根据历史窗口的销量数据建立归一化销量序列，将所述历史窗口促销特征的拼接后向量、历史窗口促销特征的向量表达和对应的归一化销量序列，存储在所述记忆网络中。

6.根据权利要求1所述的SKU级别商品销量预测方法，其特征在于，所述预测窗口动态特征，包括预测窗口的平台促销活动序列和预测窗口的产品促销活动序列，相应地，进行特征提取，得到多个特征向量，包括：

将预测窗口的平台促销活动序列，经卷积特征提取后，乘以平台促销活动天数，并乘以平台促销爆发系数，作为预测窗口的平台促销活动序列对应的特征向量；

将预测窗口的产品促销活动序列，经卷积特征提取后，乘以产品促销活动天数，并乘以产品促销爆发系数，作为预测窗口的产品促销活动序列对应的特征向量；

其中，所述平台促销爆发系数，反应平台有促销与无促销相比，销量的增长情况；所述商品促销爆发系数，反应商品有促销与无促销相比，销量的增长情况。