基于市场先验大数据的产品采购方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及人工智能技术，揭露了一种基于市场先验大数据的产品采购方法，包括：获取预设产品集中每个产品的历史销量数据以及销量影响因子，对历史销量数据和销量影响因子进行时序关联存储，得到先验数据表；根据先验数据表统计不同时间段内每个产品的区间销量，并根据区间销量在不同时间段内的分布进行曲线拟合，得到先验曲线；根据先验数据表计算销量影响因子的因子变化率，根据因子变化率生成伪随机因子函数；利用先验曲线与伪随机因子函数计算预设产品集中每个产品的当前分布权重；根据当前分布权重生成预设产品集的采购方案。本发明专利技术还提出一种基于市场先验大数据的产品采购装置、电子设备以及存储介质。本发明专利技术可以提高产品采购的准确性。产品采购的准确性。产品采购的准确性。

【技术实现步骤摘要】
基于市场先验大数据的产品采购方法、装置、设备及介质


[0001]本专利技术涉及人工智能
，尤其涉及一种基于市场先验大数据的产品采购方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着人们消费水平的提升，产品的种类日益丰富，产品经销商也开始采购越来越多种类的产品进行销售，但为了减少产品的售卖周期，提高售卖利润，需要提前对产品的销售情况进行预测，以进行产品采购。
[0003]现有的产品采购的销售预测产品推荐技术多为基于单一历史销量的产品销量预测，进而进行产品采购。例如，基于过去一年的产品销量确定来年的采购量。实际应用中，不同的产品存在多种可以影响销售量的因素，仅考虑单一属性，可能导致对销量预测较为片面，从而导致对产品进行采购时的准确性较低。

技术实现思路

[0004]本专利技术提供一种基于市场先验大数据的产品采购方法、装置及计算机可读存储介质，其主要目的在于解决对产品进行采购时的准确性较低的问题。
[0005]为实现上述目的，本专利技术提供的一种基于市场先验大数据的产品采购方法，包括：获取预设产品集中每个产品的历史销量数据以及销量影响因子，对所述历史销量数据和所述销量影响因子进行时序关联存储，得到先验数据表；根据所述先验数据表统计不同时间段内每个产品的区间销量，并根据所述区间销量在不同时间段内的分布进行曲线拟合，得到先验曲线；根据所述先验数据表计算所述销量影响因子的因子变化率，根据所述因子变化率生成伪随机因子函数；利用所述先验曲线与所述伪随机因子函数计算所述预设产品集中每个产品的当前分布权重；根据所述当前分布权重生成所述预设产品集的采购方案。
[0006]可选地，所述获取预设产品集中每个产品的历史销量数据以及销量影响因子，包括：逐个选取所述预设产品集中的产品作为目标产品，获取所述目标产品对应的历史销售记录；对所述历史销售记录进行数据清洗，得到历史销量数据；获取所述目标产品的产品特征集，根据所述产品特征集计算出销量影响因子。
[0007]可选地，所述获取所述目标产品的产品特征集，包括：获取所述目标产品的产品标签；对所述产品标签进行文本分词，得到标签词集；逐一将所述标签词集中的标签词语转化为词向量，得到标签词向量集；
对所述标签词向量集中的词向量进行聚类操作，得到产品特征集。
[0008]可选地，所述根据所述产品特征集计算出销量影响因子，包括：逐个选取所述产品特征集中的产品特征作为目标产品特征；利用预设的特征近似算法计算所述目标产品特征与预设的标准特征库中的每个销量特征之间的特征近似值：其中，是指所述特征近似值，是预设的近似对抗系数，是反余弦函数，是指所述目标产品特征，是指所述销量特征，是转置符号；选取最大的所述特征近似值对应的销量特征作为目标销量特征，将所有的所述目标销量特征组成目标销量特征集；利用预设的因子预测决策树根据所述目标销量特征集生成销量影响因子。
[0009]可选地，所述根据所述先验数据表统计不同时间段内每个产品的区间销量，包括：逐个选取所述预设产品集中的产品作为目标产品，从所述先验数据表中提取出所述目标产品对应的目标数据表；按照预设的时域窗口对所述目标数据表进行分段，得到多个时域数据组；逐一选取所述时域数据组作为目标时域组，统计所述目标时域组中所述目标产品的总销量，将所述总销量作为所述目标产品在所述目标时域组中的区间销量。
[0010]可选地，所述根据所述先验数据表计算所述销量影响因子的因子变化率，包括：逐个选取所述销量影响因子中的因子作为目标因子，根据所述先验数据表生成所述目标因子的目标因子曲线；根据如下的变化率计算公式计算出所述目标因子的因子变化率：其中，是指第个所述目标因子在目标因子曲线中横坐标为处的因子变化率，是指第个所述目标因子曲线中横坐标为处的目标因子的取值，是指第个所述目标因子曲线中横坐标为处的目标因子的取值，是所述目标因子曲线对应的时域窗口长度。
[0011]可选地，所述利用所述先验曲线与所述伪随机因子函数计算所述预设产品集中每个产品的当前分布权重，包括：获取系统对应的日期系数作为当前日期系数；提取出所述当前日期系数对应的时域特征，将所述时域特征与所述先验曲线的时域特征进行匹配，得到所述先验曲线对应的近似时域特征；将所述近似时域特征所对应的时域窗口作为预测时域窗口，根据所述预测时域窗口以及所述先验曲线逐个计算出所述预设产品集中每个产品的初级预测销量；根据所述预测时域窗口以及所述伪随机因子函数逐个计算出所述预设产品集中每个产品的伪随机因子，将所述初级预测销量加上所述伪随机因子，得到标准预测销量；根据所有的所述标准预测销量计算出总预测销量，逐个计算每个产品的所述标准预测销量与所述总预测销量的比值，将所述比值作为分布权重。
[0012]为了解决上述问题，本专利技术还提供一种基于市场先验大数据的产品采购装置，所述装置包括：时序关联模块，用于获取预设产品集中每个产品的历史销量数据以及销量影响因子，对所述历史销量数据和所述销量影响因子进行时序关联存储，得到先验数据表；先验曲线模块，用于根据所述先验数据表统计不同时间段内每个产品的区间销量，并根据所述区间销量在不同时间段内的分布进行曲线拟合，得到先验曲线；随机因子模块，用于根据所述先验数据表计算所述销量影响因子的因子变化率，根据所述因子变化率生成伪随机因子函数；分布预测模块，用于利用所述先验曲线与所述伪随机因子函数计算所述预设产品集中每个产品的当前分布权重；采购管理模块，用于根据所述当前分布权重生成所述预设产品集的采购方案。
[0013]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于市场先验大数据的产品采购方法。
[0014]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于市场先验大数据的产品采购方法。
[0015]本专利技术实施例通过获取预设产品集中每个产品的历史销量数据以及销量影响因子，能够提高所述历史销量数据的准确度，并通过所述销量影响因子增加了销量预测的宽容度，通过先验数据表能够方便后续对历史销量数据进行时序分析，从而确保产品采购管理方法与实际时间周期进行对应，提高产品采购的准确性；通过根据所述区间销量在不同时间段内的分布进行曲线拟合，得到先验曲线，能够有效地反应历史的销售数据随时间的变化趋势，方便采购人员根据实际时间周期进行采购，提高产品采购的准确性。
[0016]通过根据所述先验数据表计算所述销量影响因子的因子变化率，根据所述因子变化率生成伪随机因子函数，能够模拟出销量影响因子的变化趋势，并通过引入伪随机因子函数，能够扩大后续采购管理方法的抗干扰能力，通过利用所述先验曲线与所述伪随机因子函数计算所述预设产品集中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于市场先验大数据的产品采购方法，其特征在于，所述方法包括：S1：获取预设产品集中每个产品的历史销量数据以及销量影响因子，对所述历史销量数据和所述销量影响因子进行时序关联存储，得到先验数据表；S2：根据所述先验数据表统计不同时间段内每个产品的区间销量，并根据所述区间销量在不同时间段内的分布进行曲线拟合，得到先验曲线，其中，所述根据所述区间销量在不同时间段内的分布进行曲线拟合，得到先验曲线，包括：S21：根据所述区间销量的时域窗口以及所述销量影响因子创建初级销量拟合曲线，其中所述初级销量拟合曲线如下：其中，是指所述初级销量拟合曲线所对应的预测区间销量，是指所述初级销量拟合曲线中的时域窗口对应时间段，、、是所述销量影响因子，是所述初级销量拟合曲线的第一销量系数，是所述初级销量拟合曲线的第二销量系数、是所述初级销量拟合曲线的第三销量系数；S22：利用预设的销量偏差算法根据所述区间销量计算出所述初级销量拟合曲线的拟合残差值：其中，是指所述拟合残差值，是所述区间销量的总个数，是指第个，、、是所述销量影响因子，是所述初级销量拟合曲线的第一销量系数，是所述初级销量拟合曲线的第二销量系数、是所述初级销量拟合曲线的第三销量系数，是指所述初级销量拟合曲线中第个时域窗口对应时间段，是指第个区间销量；S23：根据所述拟合残差值对所述初级销量拟合曲线的各个参数进行更新，得到先验曲线；S3：根据所述先验数据表计算所述销量影响因子的因子变化率，根据所述因子变化率生成伪随机因子函数；S4：利用所述先验曲线与所述伪随机因子函数计算所述预设产品集中每个产品的当前分布权重；S5：根据所述当前分布权重生成所述预设产品集的采购方案。2.如权利要求1所述的基于市场先验大数据的产品采购方法，其特征在于，所述获取预设产品集中每个产品的历史销量数据以及销量影响因子，包括：逐个选取所述预设产品集中的产品作为目标产品，获取所述目标产品对应的历史销售记录；对所述历史销售记录进行数据清洗，得到历史销量数据；获取所述目标产品的产品特征集，根据所述产品特征集计算出销量影响因子。3.如权利要求2所述的基于市场先验大数据的产品采购方法，其特征在于，所述获取所述目标产品的产品特征集，包括：获取所述目标产品的产品标签；
对所述产品标签进行文本分词，得到标签词集；逐一将所述标签词集中的标签词语转化为词向量，得到标签词向量集；对所述标签词向量集中的词向量进行聚类操作，得到产品特征集。4.如权利要求2所述的基于市场先验大数据的产品采购方法，其特征在于，所述根据所述产品特征集计算出销量影响因子，包括：逐个选取所述产品特征集中的产品特征作为目标产品特征；利用预设的特征近似算法计算所述目标产品特征与预设的标准特征库中的每个销量特征之间的特征近似值：其中，是指所述特征近似值，是预设的近似对抗系数，是反余弦函数，是指所述目标产品特征，是指所述销量特征，是转置符号；选取最大的所述特征近似值对应的销量特征作为目标销量特征，将所有的所述目标销量特征组成目标销量特征集；利用预设的因子预测决策树根据所述目标销量特征集生成销量影响因子。5.如权利要求1所述的基于市场先验大数据的产品采购方法，其特征在于，所述根据所述先验数据表统计不同时间段内每个产品的区间销量，包括：逐个选取所述预设产品集中的产品作为目标产品，从所述先验数据表中提取出所述目标产品对应的目标数据表；按照预设的时域窗口对所述目标数据表进行分段，得到多个时域数据组；逐一选取所述时域数据组作为目标时域组，统计所述目标时域组中所述目标产品的总销量，将所述总销量作为所述目标产品在所述目标时域组中的区间销量。6.如权利要求1所述的基于市场先验大数据的产品采购方法，其特征在于，所述根...

【专利技术属性】
技术研发人员：刘勇，
申请(专利权)人：深圳市秦丝科技有限公司，
类型：发明
国别省市：