买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：阿里巴巴(上海)有限公司

摘要：本发明公开了一种商品处理方法、装置及电子设备，该方法包括：获取目标商品在目标统计周期的预测特征向量、目标商品的竞争商品在目标统计周期的预测特征向量、目标商品在目标统计周期的前一统计周期内的销量、以及竞争商品在前一统计周期内的销量；获取映射函数；根据映射函数、目标商品的预测特征向量、竞争商品的预测特征向量、目标商品在前一统计周期内的销量、以及竞争商品在前一统计周期内的销量，获得目标商品在目标统计周期内的预测销量；根据预测销量调整目标商品的库存。

主权项：1.一种商品处理方法，包括：获取目标商品在目标统计周期的预测特征向量、所述目标商品的竞争商品的所述目标统计周期的预测特征向量、所述目标商品在所述目标统计周期的前一统计周期内的销量以及所述竞争商品在所述前一统计周期内的销量；其中，所述预测特征向量为对预设的多个初始特征的特征向量进行合并得到的特征向量，所述初始特征包括影响对应商品的销量的特征；获取所述目标商品的所述预测特征向量、所述竞争商品的所述预测特征向量、所述目标商品的销量、所述竞争商品的销量与所述目标商品的预测销量间的映射函数；根据所述映射函数、所述目标商品在目标统计周期的预测特征向量、所述竞争商品在所述目标统计周期的预测特征向量、所述目标商品在所述前一统计周期内的销量以及所述竞争商品在所述前一统计周期内的销量，获得所述目标商品在所述目标统计周期内的预测销量；根据所述预测销量调整所述目标商品的库存；所述方法还包括：获取多个历史统计周期的训练样本，其中，每一训练样本包括所述目标商品在对应历史统计周期的训练特征向量、所述竞争商品在对应历史统计周期的训练特征向量、所述目标商品在对应后一统计周期的预测特征向量、所述竞争商品在对应后一统计周期的预测特征向量、所述目标商品在对应历史统计周期的实际销量、所述竞争商品在对应历史统计周期的实际销量、所述目标商品在对应后一统计周期的实际销量；其中，所述训练特征向量包括对所述预测特征向量和其他特征的特征向量进行合并得到的特征向量，所述其他特征包括用户行为特征和或购买记录特征；以所述映射函数的待定系数为变量，分别根据每一所述训练样本，确定所述目标商品在对应的后一统计周期的预测销量的表达式；根据每一所述后一统计周期的预测销量的表达式以及所述目标商品在对应后一统计周期的实际销量，构建损失函数；求解所述损失函数确定所述待定系数，完成对所述映射函数的训练；所述映射函数的待定系数包括预设的对应所述目标商品的目标神经网络的待定系数、预设的对应所述竞争商品的竞争神经网络的待定系数、预设的残差神经网络的待定系数和预设的标准化待定系数；目标神经网络是用于预测目标商品的销量的神经网络，竞争神经网络是用于预测对应竞争商品的销量的神经网络，残差神经网络是用于预测所述竞争商品对所述目标商品的销量的影响的神经网络；标准化待定系数是用于将神经网络的输出进行标准化处理的待定系数；所述确定所述目标商品在对应历史统计周期的后一统计周期的预测销量的表达式的步骤包括：以所述目标神经网络的待定系数为变量，分别根据每一所述训练样本中所述目标商品在对应历史统计周期的训练特征向量、所述目标商品在对应后一统计周期的预测特征向量和所述目标商品在对应历史统计周期的实际销量，确定所述目标神经网络在对应后一统计周期的输出状态的表达式；以所述标准化待定系数为变量，分别根据所述目标神经网络在每一后一统计周期的输出状态的表达式，确定所述目标商品在对应下一历史统计周期的日常销量的表达式；以所述竞争神经网络的待定系数为变量，分别根据每一所述训练样本中所述竞争商品在对应历史统计周期的训练特征向量、所述竞争商品在对应后一统计周期的预测特征向量、所述竞争商品在对应历史统计周期的实际销量，确定所述竞争神经网络在对应历史统计周期的输出状态的表达式；以所述残差神经网络的待定系数和所述标准化待定系数为变量，对于每一后一统计周期，分别根据所述目标商品的预测特征向量、所述竞争商品的预测特征向量、所述目标神经网络的输出状态的表达式和所述竞争神经网络的输出状态的表达式，确定所述目标商品在对应下一历史统计周期的残差销量的表达式；根据所述目标商品在每一所述后一统计周期的日常销量的表达式和在每一所述后一统计周期的残差销量的表达式，得到所述目标商品在对应历史统计周期的后一统计周期的预测销量的表达式。

全文数据：

权利要求：

百度查询： 阿里巴巴(上海)有限公司 一种商品处理方法、装置及电子设备