[发明专利]物品补货方法、装置以及存储介质

权利要求书

1.一种物品补货方法，包括：

确定与物品的销售量相关联的产品属性特征，计算所述产品属性特征与所述物品的销售量之间的销售属性相关系数；

根据所述销售属性相关系数和所述产品属性特征建立销售预测模型，并对所述销售预测模型进行训练；

基于所述物品的销售数据并使用所述销售预测模型，获取所述物品的销售预测数据；

根据所述销售预测数据以及所述物品的库存量，判断所述物品的库存是否充足；

如果所述物品的库存不足，则根据所述物品的库存量和门店存货量确定所述物品的补货方案。

2.如权利要求1所述的方法，所述确定与物品的销售量相关联的产品属性特征包括：

获取所述物品的多个产品属性，在每个产品属性中确定至少一个产品属性特征；

其中，所述产品属性包括：规格、剂型、包装、生产厂商中的一个或多个。

3.如权利要求2所述的方法，所述计算所述产品属性特征与所述物品的销售量之间的销售属性相关系数包括：

计算所述物品的销售量分别与每一个产品属性特征之间的Pearson相关系数，作为与此产品属性特征与所述物品的销售量之间的销售属性相关系数。

4.如权利要求3所述的方法，所述计算所述物品的销售量分别与每一个产品属性特征之间的Pearson相关系数包括：

获取所述物品的多个历史销售数据；其中，所述历史销售数据包括：物品历史销售量、与各个产品属性特征相对应的历史销售量；

基于所述物品历史销售量、所述与各个产品属性特征相对应的历史销售量，分别计算所述物品的销售量分别与各个产品属性特征之间的Pearson相关系数。

5.如权利要求3或4所述的方法，所述销售预测模型包括：多元线性回归模型；所述对所述销售预测模型进行训练包括：

基于所述历史销售数据构建所述训练样本集；其中，所述训练样本集中的训练样本包括：与各个产品属性特征相对应的历史销售量、物品在预设时段后的对应销售量；

使用所述训练样本集对所述多元线性回归模型进行训练。

6.如权利要求5所述的方法，其中，

所述多元线性回归模型为：

y_i＝β+a₀x₀+a₁x₁+a₂x₂+…+a_mx_m+e；

其中，所述y_i为第i种物品在预设时段后的销售量，x₀，x₁，x₂，…，x_m为与第0,1,2，…m个产品属性特征相对应的销售量,a₀，a₁,a₂,…，a_m为与第0,1,2，…m个产品属性特征相对应的Pearson相关系数，β为常数项，e表示误差值。

7.如权利要求5所述的方法，所述基于所述物品的销售数据并使用所述销售预测模型，获取所述物品的销售预测数据包括：

获取所述物品在设定时段内的、与各个产品属性特征相对应的销售数据；

基于此销售数据并使用所述多元线性回归模型，确定所述物品在预设时段后的销售预测数据。

8.如权利要求1所述的方法，所述根据所述销售预测数据以及所述物品的库存量，判断所述物品的库存是否充足包括：

计算所述物品的库存量与所述销售预测数据之间的第一差值；

如果所述第一差值大于预设的第一阈值，则确定所述物品的库存充足，如果所述第一差值小于或等于所述第一阈值，则确定所述物品的库存不足。