[发明专利]销量预测及神经网络构建的方法、装置、设备、存储介质

权利要求书

1.一种销量预测方法，其特征在于，所述方法包括：

获取目标商品的至少一个时间窗口内的历史销售数据和所述目标商品的当前产品信息；

利用神经网络模型对所述历史销售数据进行空洞卷积处理并提取所述历史销售数据的趋势特征，所述趋势特征表征所述目标商品的商品信息对所述目标商品的历史销量的影响程度；

根据所述趋势特征并利用所述神经网络模型训练所述当前产品信息并得到所述目标商品的销量预测数据。

2.如权利要求1所述的销量预测方法，其特征在于，在所述利用神经网络模型对所述历史销售数据进行空洞卷积处理并提取所述历史销售数据的趋势特征之后，所述根据所述趋势特征并利用所述神经网络模型训练所述当前产品信息并得到所述目标商品的销量预测数据之前，所述方法还包括：

根据以下公式修正所述神经网络模型训练的损失函数：

其中，a为(0,1)的权重系数，n为训练样数量，y_i为第i训练样本的目标变量，y_i-t为第i个样本在时间序列上一个时间点的目标变量，f为神经网络拟合函数，f(xi)为所述神经网络模型的预测结果。

3.如权利要求1-2任一项所述的销量预测方法，其特征在于，所述历史销售数据至少包括所述目标商品的历史销量信息、历史价格信息。

4.如权利要求1-2任一项所述的销量预测方法，其特征在于，所述当前产品信息至少包括所述目标商品的产品特征信息，所述产品特征信息至少包括品牌信息、类型信息中的一项。

5.一种应用于如权利要求1-4任一项所述的销量预测方法的神经网络构建方法，其特征在于，包括：

构建输入层，所述输入层用于获取所述目标商品的至少一个时间窗口内的历史销售数据和所述目标商品的当前产品信息；

构建卷积层，所述卷积层用于对所述历史销售数据进行空洞卷积处理并提取所述历史销售数据的趋势特征，所述趋势特征表征所述目标商品的商品信息对所述目标商品的历史销量的影响程度；

构建全连接层和隐藏层，所述全连接层和所述隐藏层用于根据所述趋势特征训练所述当前产品信息并得到训练结果；

构建输出层，所述输出层用于根据所述训练结果输出所述目标商品的销量预测数据。

6.如权利要求5所述的神经网络构建方法，其特征在于，所述卷积层的卷积核的数量为3，所述卷积层的扩展率为2。

7.如权利要求5所述的神经网络构建方法，其特征在于，所述隐藏层的数量为2。

8.一种销量预测装置，其特征在于，所述装置应用于销量预测设备中，所述装置包括：

获取模块，用于获取目标商品的至少一个时间窗口内的历史销售数据和所述目标商品的当前产品信息；

提取模块，用于利用神经网络模型对所述历史销售数据进行空洞卷积处理并提取所述历史销售数据的趋势特征，所述趋势特征表征所述目标商品的商品信息对所述目标商品的历史销量的影响程度；

训练模块，用于根据所述趋势特征并利用所述神经网络模型训练所述当前产品信息并得到所述目标商品的销量预测数据。

9.一种神经网络构建装置，其特征在于，所述装置应用于销量预测设备，所述装置包括；

第一构建模块，用于构建输入层，所述输入层用于获取所述目标商品的至少一个时间窗口内的历史销售数据和所述目标商品的当前产品信息；

第二构建模块，用于构建卷积层，所述卷积层用于对所述历史销售数据进行空洞卷积处理并提取所述历史销售数据的趋势特征，所述趋势特征表征所述目标商品的商品信息对所述目标商品的历史销量的影响程度；

第二构建模块，用于构建全连接层和隐藏层，所述全连接层和所述隐藏层用于根据所述趋势特征训练所述当前产品信息并得到训练结果；

第四构建模块，用于构建输出层，所述输出层用于根据所述训练结果输出所述目标商品的销量预测数据。