数据处理方法及装置制造方法及图纸

本说明书实施例提供数据处理方法及装置，其中，第一种数据处理方法包括获得目标对象以及针对所述目标对象的资源值；将所述目标对象输入第一机器学习模型得到第一预测结果，以及将所述目标对象输入第二机器学习模型得到第二预测结果；基于所述第一预测结果和所述第二预测结果，获取所述资源值对应的资源量；所述数据处理方法通过机器学习，实现智能自动化的确定针对所述目标对象的资源值对应的资源量，极大的提升对所述目标对象的资源值对应资源量的预测效率以及准确率。量的预测效率以及准确率。量的预测效率以及准确率。

【技术实现步骤摘要】
数据处理方法及装置


[0001]本说明书实施例涉及数据处理
，特别涉及数据处理方法。本说明书一个或者多个实施例同时涉及数据处理装置，计算设备，以及计算机可读存储介质。

技术介绍

[0002]商品在销售期间一般均会存在商品损耗，尤其是生鲜商品(例如烘焙食品或加工的熟食等)，保质期很短，若在保质期内没有销售完，商品就会报损处理，会给商店造成实质性的损失。因此为了控制报损率，商店会对具有滞销风险的商品在合适的时间进行打折促销处理，目前商店在对商品进行折扣定价的时候是通过运营凭经验确定的，耗时耗力；并且由于避免造成折扣歧视，同一个区域不同门店的商品折扣需保持一致，但是不同门店之间的运营存在沟通困难的问题，使得商品折扣定价的效率极其低下。
[0003]基于此，需要提供一种可以自动为商品进行折扣定价的数据处理方案。

技术实现思路

[0004]有鉴于此，本说明书施例提供了数据处理方法。本说明书一个或者多个实施例同时涉及数据处理装置，计算设备，以及计算机可读存储介质，以解决现有技术中存在的技术缺陷。
[0005]根据本说明书实施例的第一方面，提供了一种数据处理方法，包括：
[0006]获得目标对象以及针对所述目标对象的资源值；
[0007]将所述目标对象输入第一机器学习模型得到第一预测结果，以及将所述目标对象输入第二机器学习模型得到第二预测结果，
[0008]其中，所述第一机器学习模型适用于为目标对象预测对应的基准资源值以及基准资源量，所述第二机器学习模型适用于为目标对象预测对应的资源弹性系数；
[0009]基于所述第一预测结果和所述第二预测结果，获取所述资源值对应的资源量。
[0010]根据本说明书实施例的第二方面，提供了一种数据处理方法，包括：
[0011]获得目标对象、针对所述目标对象的资源值以及所述目标对象的资源储量；
[0012]将所述目标对象输入第一机器学习模型得到第一预测结果，以及将所述目标对象输入第二机器学习模型得到第二预测结果，
[0013]其中，所述第一机器学习模型适用于为目标对象预测对应的基准资源值以及基准资源量，所述第二机器学习模型适用于为目标对象预测对应的资源弹性系数；
[0014]基于所述第一预测结果和第二预测结果，获取所述资源值对应的资源量；
[0015]根据所述资源值、所述资源值对应的资源量以及所述资源储量，确定所述目标对象的目标资源值。
[0016]根据本说明书实施例的第三方面，提供了一种数据处理方法，包括：
[0017]基于用户的调用请求为所述用户展示目标选择界面；
[0018]接收所述用户基于所述目标选择界面输入的目标对象、针对所述目标对象的资源
值以及所述目标对象的资源储量；
[0019]将所述目标对象输入第一机器学习模型得到第一预测结果，以及将所述目标对象输入第二机器学习模型得到第二预测结果，
[0020]其中，所述第一机器学习模型适用于为目标对象预测对应的基准资源值以及基准资源量，所述第二机器学习模型适用于为目标对象预测对应的资源弹性系数；
[0021]基于所述第一预测结果和第二预测结果，获取所述资源值对应的资源量；
[0022]根据所述资源值、所述资源值对应的资源量以及所述资源储量，确定所述目标对象的目标资源值，且将所述目标资源值返回至所述用户。
[0023]根据本说明书实施例的第四方面，提供了一种数据处理方法，包括：
[0024]接收用户发送的调用请求，其中，所述调用请求中携带有目标对象、针对所述目标对象的资源值以及所述目标对象的资源储量；
[0025]将所述目标对象输入第一机器学习模型得到第一预测结果，以及将所述目标对象输入第二机器学习模型得到第二预测结果，
[0026]其中，所述第一机器学习模型适用于为目标对象预测对应的基准资源值以及基准资源量，所述第二机器学习模型适用于为目标对象预测对应的资源弹性系数；
[0027]基于所述第一预测结果和第二预测结果，获取所述资源值对应的资源量；
[0028]根据所述资源值、所述资源值对应的资源量以及所述资源储量，确定所述目标对象的目标资源值，且将所述目标资源值返回至所述用户。
[0029]根据本说明书实施例的第五方面，提供了一种数据处理装置，包括：
[0030]第一获取模块，被配置为获得目标对象以及针对所述目标对象的资源值；
[0031]第一数据处理模块，被配置为将所述目标对象输入第一机器学习模型得到第一预测结果，以及将所述目标对象输入第二机器学习模型得到第二预测结果，
[0032]其中，所述第一机器学习模型适用于为目标对象预测对应的基准资源值以及基准资源量，所述第二机器学习模型适用于为目标对象预测对应的资源弹性系数；
[0033]第一资源量获得模块，被配置为基于所述第一预测结果和所述第二预测结果，获取所述资源值对应的资源量。
[0034]根据本说明书实施例的第六方面，提供了一种数据处理装置，包括：
[0035]第二获取模块，被配置为获得目标对象、针对所述目标对象的资源值以及所述目标对象的资源储量；
[0036]第二数据处理模块，被配置为将所述目标对象输入第一机器学习模型得到第一预测结果，以及将所述目标对象输入第二机器学习模型得到第二预测结果，
[0037]其中，所述第一机器学习模型适用于为目标对象预测对应的基准资源值以及基准资源量，所述第二机器学习模型适用于为目标对象预测对应的资源弹性系数；
[0038]第二资源量获得模块，被配置为基于所述第一预测结果和第二预测结果，获取所述资源值对应的资源量；
[0039]目标资源值确定模块，被配置为根据所述资源值、所述资源值对应的资源量以及所述资源储量，确定所述目标对象的目标资源值。
[0040]根据本说明书实施例的第七方面，提供了一种数据处理装置，包括：
[0041]界面确定模块，被配置为基于用户的调用请求为所述用户展示目标选择界面；
[0042]第一接收模块，被配置为接收所述用户基于所述目标选择界面输入的目标对象、针对所述目标对象的资源值以及所述目标对象的资源储量；
[0043]第三数据处理模块，被配置为将所述目标对象输入第一机器学习模型得到第一预测结果，以及将所述目标对象输入第二机器学习模型得到第二预测结果，
[0044]其中，所述第一机器学习模型适用于为目标对象预测对应的基准资源值以及基准资源量，所述第二机器学习模型适用于为目标对象预测对应的资源弹性系数；
[0045]第三资源量获得模块，被配置为基于所述第一预测结果和第二预测结果，获取所述资源值对应的资源量；
[0046]第一目标资源值返回模块，被配置为据所述资源值、所述资源值对应的资源量以及所述资源储量，确定所述目标对象的目标资源值，且将所述目标资源值返回至所述用户。
[0047]根据本说明书实施例的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，包括：获得目标对象以及针对所述目标对象的资源值；将所述目标对象输入第一机器学习模型得到第一预测结果，以及将所述目标对象输入第二机器学习模型得到第二预测结果，其中，所述第一机器学习模型适用于为目标对象预测对应的基准资源值以及基准资源量，所述第二机器学习模型适用于为目标对象预测对应的资源弹性系数；基于所述第一预测结果和所述第二预测结果，获取所述资源值对应的资源量。2.根据权利要求1所述的数据处理方法，所述基于所述第一预测结果和所述第二预测结果，获取所述资源值对应的资源量之后，还包括：获取所述目标对象的资源储量；基于所述资源值、所述资源值对应的资源量以及所述资源储量，确定所述目标对象的目标资源值。3.根据权利要求1所述的数据处理方法，所述第一预测结果包括所述目标对象对应的基准资源值以及基准资源量，所述第二预测结果包括所述目标对象对应的资源弹性系数；相应的，所述基于所述第一预测结果和所述第二预测结果，获取所述资源值对应的资源量包括：将所述资源值与所述目标对象对应的基准资源值、基准资源量以及资源弹性系数进行计算，获取所述资源值对应的资源量。4.根据权利要求2所述的数据处理方法，所述基于所述资源值、所述资源值对应的资源量以及所述资源储量，确定所述目标对象的目标资源值包括：基于所述资源值、所述资源值对应的资源量以及所述资源储量进行计算，得到所述目标对象在所述资源值下的资源处理值；将所述资源处理值最大的资源值确定为所述目标对象的目标资源值。5.根据权利要求1所述的数据处理方法，所述第一机器学习模型包括预测模型；相应的，所述预测模型训练方法包括：获取训练样本集，其中，所述训练样本集中包括至少一个目标对象的对象特征、资源值特征以及每个目标对象的对象特征、资源值特征对应的资源量；基于所述训练样本集对预测模型进行训练，得到所述预测模型，所述预测模型输出每个目标对象对应的基准资源值以及基准资源量。6.根据权利要求5所述的数据处理方法，所述第二机器学习模型包括资源弹性模型；相应的，所述资源弹性模型训练方法包括：获取训练样本集，其中，所述训练样本集中包括至少一个目标对象的资源值特征以及每个目标对象的资源值特征对应的资源量；基于所述训练样本集对资源弹性模型进行训练，得到所述资源弹性模型训练，所述资源弹性模型输出每个目标对象对应的资源弹性系数。7.根据权利要求6所述的数据处理方法，所述确定所述目标对象的目标资源值之后，还包括：将所述目标对象的目标资源值发送至终端，并接收所述终端基于所述目标资源值确定的所述目标对象的对象特征以及资源值特征。
8.根据权利要求7所述的数据处理方法，所述接收所述终端基于所述目标资源值确定的所述目标对象的对象特征以及资源值特征之后，还包括：将所述目标对象的对象特征以及资源值特征输入所述预测模型的训练样本集中，实现对所述预测模型的训练样本集的更新。9.根据权利要求7所述的数据处理方法，所述接收所述终端基于所述目标资源值确定的所述目标对象的对象特征以及资源值特征之后，还包括：将所述目标对象的资源值特征输入所述资源弹性模型的训练样本集中，实现对所述资源弹性模型的训练样本集的更新。10.根据权利要求1-9任意一项所述的数据处理方法，所述目标对象包括商品，所述资源值包括预选折扣，所述基准资源值包括基准折扣，所述基准资源量包括基准销量，所述资源弹性系数包括价格弹性系数，所述第一预测结果包括商品对应的基准折扣以及基准销量，所述第二预测结果包括商品对应的价格弹性系数。11.一种数据处理方法，包括：获得目标对象、针对所述目标对象的资源值以及所述目标对象的资源储量；将所述目标对象输入第一机器学习模型得到第一预测结果，以及将所述目标对象输入第二机器学习模型得到第二预测结果，其中，所述第一机器学习模型适用于为目标对象预测对应的基准资源值以及基准资源量，所述第二机器学习模型适用于为目标对象预测对应的资源弹性系数；基于所述第一预测结果和第二预测结果，获取所述资源值对应的资源量；根据所述资源值、所述资源值对应的资源量以及所述资源储量，确定所述目标对象的目标资源值。12.根据权利要求11所述的数据处理方法，所述基于所述资源值、所述资源值对应的资源量以及所述资源储量，确定所述目标对象的目标资源值包括：基于所述资源值、所述资源值对应的资源量以及所述资源储量进行计算，得到所述目标对象在所述资源值下的资源处理值；将所述资源处理值最大的资源值确定为所述目标对象的目标资源值。13.根据权利要求11所述的数据处理方法，所述第一预测结果包括所述目标对象对应的基准资源值以及基准资源量，所述第二预测结果包括所述目标对象对应的资源弹性系数；相应的，所述基于所述第一预测结果和所述第二预测结果，获取所述资源值对应的资源量包括：将所述资源值与所述目标对象对应的基准资源值、基准资源量以及资源弹性系数进行计算，获取所述资源值对应的资源量。14.根据权利要求11所述的数据处理方法，所述第一机器学习模型包括预测模型；相应的，所述预测模型训练方法包括：获取训练样本集，其中，所述训练样本集中包括至少一个目标对象的对象特征、资源值特征以及每个目标对象的对象特征、资源值特征对应的资源量；基于所述训练样本集对预测模型进行训练，得到所述预测模型，所述预测模型输出每个目标对象对应的基准资源值以及基准资源量。
15.根据权利要求14所述的数据处理方法，所述第二机器学习模型包括资源弹性模型；相应的，所述资源弹性模型训练方法包括：获取训练样本集，其中，所述训练样本集中包括至少一个目标对象的资源值特征以及每个目标对象的资源值特征对应的资源量；基于所述训练样本集对资源弹性模型进行训练，得到所述资源弹性模型训练，所述资源弹性模型输出每个目标对象对应的资源弹性系数。16.根据权利要求15所述的数据处理方法，所述确定所述目标对象的目标资源值之后，还包括：将所述目...

【专利技术属性】
技术研发人员：华俊豪，许欢，严岭，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：