[发明专利]一种商城客流量的预测方法、装置、电子设备及存储介质

权利要求书

1.一种商城客流量的预测方法，其特征在于，所述方法包括：

获取商城待预测时间段的过去同一时间段的客流量，并对所述过去同一时间段的客流量进行短时序特征提取，得到对应的短时序特征向量；

获取商城待预测时间段的上周期同期历史客流量值，并对所述上周期同期历史客流量值进行长时序特征提取，得到对应的长时序特征向量；

获取商城待预测时间段的上下文信息，并对所述上下文信息进行上下文特征映射，得到对应的上下文特征向量，所述上下文信息包括天气信息、节假日信息、促销信息以及历史客流量均值中的至少一种；

对所述短时序特征向量、长时序特征向量以及上下文特征向量进行向量拼接，得到拼接向量；

对所述拼接向量进行全连接处理，以得到商城待预测时间段的客流量。

2.如权利要求1所述的商城客流量的预测方法，其特征在于，所述对所述过去同一时间段的客流量进行短时序列特征提取，得到对应的短时序特征向量的步骤包括：

在编码阶段，将所述过去同一时间段的客流量进行编码，得到对应的编码输出向量，所述编码输出向量融合所述过去同一时间段的客流量对应的时序特征；

在解码阶段，将所述编码输出向量进行解码，得到对应的解码输出向量，所述解码输出向量包括待预测时间段的客流量向量；

将所述编码输出向量与所述解码输出向量执行注意力机制处理，得到短时序列特征向量，所述短时序列特征向量融合了所述过去同一时间段的客流量的时序特征。

3.如权利要求2所述的商城客流量的预测方法，其特征在于，所述将所述编码输出向量与所述解码输出向量执行注意力机制处理，得到短时序列特征向量的步骤包括步骤：

计算所述编码输出向量与所述解码输出向量之间的相关程度；

对所述相关程度进行归一化处理得到所述编码输出向量的权重；

对所述编码输出向量进行加权求和得到所述短时序列特征向量。

4.如权利要求2所述的商城客流量的预测方法，其特征在于，所述将所述过去同一时间段的客流量输入进行编码，得到对应的编码输出向量的步骤包括：

基于预设的时间间隔将所述过去同一时间段的客流量预设为客流量序列x(1)、x(1+n)、x(1+2n)…x(1+Tn)，n为预设的时间间隔，所述T的取值范围为大于或等于1；

将所述客流量序列x(1)、x(1+n)、x(1+2n)…x(1+Tn)依次进行编码，得到所述客流量序列x(1)、x(1+n)、x(1+2n)…x(1+Tn)对应的编码输出向量h(1)至h(T)，所述编码输出向量h(1)至h(T)均与所述客流量序列x(1)、x(1+n)、x(1+2n)…x(1+Tn)一一对应。

5.如权利要求4所述的商城客流量的预测方法，其特征在于，所述将所述编码输出向量进行解码，得到对应的解码输出向量的步骤包括：

将最后一个输出h(T)作为初始隐藏层状态；

将最后一个输出h(T)进行解码，得到解码输出向量s(i)，

当i等于1时，s(1)为过去同一时间段中第一时序序列对应的第一个输出向量；

所述将所述编码输出向量与所述解码输出向量执行注意力机制处理，得到短时序列特征向量，所述短时序列特征向量融合了所述过去同一时间段的客流量的时序特征的步骤包括：

将所述第一个输出向量s(1)与所有编码输出向量h(1)至h(T)一起执行注意力机制处理，进而得到对应的短时序列特征向量c(1)，所述短时序列特征向量c(1)融合了所述过去同一时间段的客流量的时序特征。