[发明专利]物品流转量预测方法、装置、设备和计算机可读介质

说明书

本公开的实施例公开了物品流转量预测方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取历史时间段的目标物品的历史动态特征数据时间序列和历史静态特征数据；将历史动态特征数据时间序列输入至预先训练的编码与解码模型包括的编码模型，以生成第一特征向量列表，其中，编码与解码模型用于生成预测流转量；对历史静态特征数据进行词嵌入处理，得到第二特征向量；对第一特征向量列表和第二特征向量进行拼接，得到拼接向量；将拼接向量输入至编码与解码模型包括的解码模型，得到对应目标时间的流转量。该实施方式与人工智能有关，使用训练后的编码与解码模型，可以更为精准地预测出目标物品对应的流转量。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及物品流转量预测方法、装置、设备和计算机可读介质。

背景技术

物品流转量预测是物品流转规划中的重要一步，准确预测物品的未来流转量对于控制库存价值和库存水平有着重要作用。对于物品的未来流转量预测，通常采用的方式为：利用预先训练的简单时间序列预测方法或机器学习模型，来预测物品在未来某一时间点的流转量。

然而，发明人发现，当采用上述方式来预测物品的流转量，经常会存在如下技术问题：

无论是用简单时间序列还是机器学习方法进行预测，都无法捕捉到完整的流转量特征，从而，使得针对物品流转量的预测不够精准。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了物品流转量预测方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种物品流转量预测方法，该方法包括：获取历史时间段的目标物品的历史动态特征数据时间序列和历史静态特征数据；将上述历史动态特征数据时间序列输入至预先训练的编码与解码模型包括的编码模型，以生成第一特征向量列表，其中，上述编码与解码模型用于生成预测流转量；对上述历史静态特征数据进行词嵌入处理，得到第二特征向量；对上述第一特征向量列表和上述第二特征向量进行拼接，得到拼接向量；将上述拼接向量输入至上述编码与解码模型包括的解码模型，得到对应目标时间的流转量。

可选地，上述方法还包括：将第一预设计数器的值初始化为第一预设计数值；将所得到的对应上述目标时间的流转量确定为目标流转量；基于上述目标流转量，执行以下流转量生成步骤：将上述目标流转量对应时间点的后一时间点确定为第二目标时间；将上述目标流转量添加至上述历史动态特征数据时间序列的末尾，以及从上述历史动态特征数据时间序列中删除对应第一位置的历史动态特征数据，得到目标历史动态特征数据时间序列；将上述目标历史动态特征数据时间序列输入至上述编码模型，以生成第一目标特征向量列表；将上述第一目标特征向量列表和上述第二特征向量进行拼接，得到目标拼接向量；将上述目标拼接向量输入至上述解码模型，得到对应上述第二目标时间的流转量，以及将上述第一预设计数器的值与第一预设步长值的和确定为第一目标计数值；响应于确定上述第一目标计数值满足预设预测次数条件，对所得到的各个目标流转量进行排序，得到目标流转量序列。

可选地，上述方法还包括：响应于确定上述第一目标计数值未满足上述预设预测次数条件，将对应上述第二目标时间的流转量作为目标流转量，以及将上述目标历史动态特征数据时间序列作为历史动态特征数据时间序列，再次执行上述流转量生成步骤。