CN110033292B - 信息输出方法和装置 - Google Patents
信息输出方法和装置 Download PDFInfo
- Publication number
- CN110033292B CN110033292B CN201810031123.XA CN201810031123A CN110033292B CN 110033292 B CN110033292 B CN 110033292B CN 201810031123 A CN201810031123 A CN 201810031123A CN 110033292 B CN110033292 B CN 110033292B
- Authority
- CN
- China
- Prior art keywords
- sales
- preset
- historical data
- historical
- data set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 129
- 238000012417 linear regression Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了信息输出方法和装置。该方法的一具体实施方式包括：获取历史数据集合和基于历史数据集合预测得到的初始预测销量集合；通过线性回归预测法，基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第一预测销量，并得到第一阈值；通过时间序列预测法，基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第二预测销量，并得到第二阈值；对于初始预测销量集合中每个初始预测销量，若该初始预测销量大于根据第一阈值和第二阈值确定的组合阈值，则对该初始预测销量进行修正，并输出修正后的初始预测销量。该实施方式提高了销量预测的准确性。
Description
技术领域
本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及信息输出方法和装置。
背景技术
在当今人工智能及大数据技术越来越普及的大环境下，预测作为一项必备的技术被越来越多的行业拿来使用以此提高生产力。销量预测的准确性提高带来的成本降低在整个供应链的各个环节都有体现。
在对商品进行销量预测的时候考虑使用何种模型进行预测非常重要。可以使用一种模型，也可以使用多种模型融合的方式。模型的复杂度也是有高有低，从线性回归、时间序列分析，到后来的提升决策树以及神经网络。模型越复杂、参数越多则预测准确度也会越高。
发明内容
本申请实施例提出了信息输出方法和装置。
第一方面，本申请实施例提供了一种信息输出方法，包括：获取历史数据集合和基于历史数据集合预测得到的初始预测销量集合，其中，历史数据包括日期和日期对应的历史销量；通过线性回归预测法，基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第一预测销量，并将第一预测销量乘以预设第一权重得到第一阈值；通过时间序列预测法，基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第二预测销量，并将第二预测销量乘以预设第二权重得到第二阈值；对于初始预测销量集合中每个初始预测销量，若该初始预测销量大于根据第一阈值和第二阈值确定的组合阈值，则基于第一预测销量和第二预测销量对该初始预测销量进行修正，并输出修正后的初始预测销量。
在一些实施例中，在获取历史数据集合之后，该方法还包括：从历史数据集合中删除日期为预定日期的历史数据。
在一些实施例中，历史数据集合中的每个历史数据还包括历史销量对应的销售状态，销售状态包括不可售状态；以及在获取历史数据集合之后，方法还包括：从历史数据集合中删除销售状态为不可售状态的历史数据。
在一些实施例中，在获取历史数据集合之后，该方法还包括：从历史数据集合中确定出待修正的销量极值；使用与销量极值对应的日期相邻的日期所对应的预定数目个历史销量的平均值替换销量极值。
在一些实施例中，从历史数据集合中确定出待修正的销量极值，包括：采用四分位法从历史数据集合中确定出至少一个第一销量极值；采用标准差法从历史数据集合中确定出至少一个第二销量极值；将同时为第一销量极值和第二销量极值的历史销量确定为待修正的销量极值。
在一些实施例中，组合阈值通过以下步骤确定：将第一阈值和第二阈值的平均值确定为组合阈值；或者将第一阈值和第二阈值中最大的阈值确定为组合阈值。
在一些实施例中，该方法还包括：获取历史数据集合对应的历史预设日期和计划预设日期；根据历史预设日期将历史数据集合划分成非预设历史数据集合和预设历史数据集合；根据计划预设日期将初始预测销量集合划分成非预设初始预测销量集合和预设初始预测销量集合；根据非预设历史数据集合确定非预设组合阈值，并根据预设历史数据集合确定预设组合阈值；基于非预设组合阈值修正非预设初始预测销量集合，并基于预设组合阈值修正预设初始预测销量集合；将修正后的非预设初始预测销量集合和修正后的预设初始预测销量集合合并之后输出。
在一些实施例中，通过时间序列预测法基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量预测得到第二预测销量，包括：通过以下至少一种方式确定出至少一个第二预测销量：将历史数据集合中第一预设历史时间段内的历史数据中的历史销量的加权平均值确定为第二预测销量；将历史数据集合中第二预设历史时间段内的历史数据中的历史销量的平均值确定为第二预测销量；将历史数据集合中第三预设历史时间段内的历史数据中的历史销量的中位数确定为第二预测销量；将历史数据集合中第四预设历史时间段内的历史数据中的历史销量确定为第二预测销量。
在一些实施例中，将第二预测销量乘以预设第二权重得到第二阈值，包括：将确定出的至少一个第二预测销量分别乘以预设第二权重得到至少一个第二阈值。
在一些实施例中，该方法还包括：向目标终端推送修正后的初始预测销量。
第二方面，本申请实施例提供了一种信息输出装置，包括：获取单元，配置用于获取历史数据集合和基于历史数据集合预测得到的初始预测销量集合，其中，历史数据包括日期和日期对应的历史销量；第一预测单元，配置用于通过线性回归预测法，基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第一预测销量，并将第一预测销量乘以预设第一权重得到第一阈值；第二预测单元，配置用于通过时间序列预测法，基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第二预测销量，并将第二预测销量乘以预设第二权重得到第二阈值；修正输出单元，配置用于对于初始预测销量集合中每个初始预测销量，若该初始预测销量大于根据第一阈值和第二阈值确定的组合阈值，则基于第一预测销量和第二预测销量对该初始预测销量进行修正，并输出修正后的初始预测销量。
在一些实施例中，该装置还包括删除单元，配置用于：在获取历史数据集合之后，从历史数据集合中删除日期为预定日期的历史数据。
在一些实施例中，历史数据集合中的每个历史数据还包括历史销量对应的销售状态，销售状态包括不可售状态；以及删除单元进一步配置用于：在获取历史数据集合之后，从历史数据集合中删除销售状态为不可售状态的历史数据。
在一些实施例中，该装置还包括替换单元，配置用于：在获取历史数据集合之后，从历史数据集合中确定出待修正的销量极值；使用与销量极值对应的日期相邻的日期所对应的预定数目个历史销量的平均值替换销量极值。
在一些实施例中，替换单元进一步配置用于：采用四分位法从历史数据集合中确定出至少一个第一销量极值；采用标准差法从历史数据集合中确定出至少一个第二销量极值；将同时为第一销量极值和第二销量极值的历史销量确定为待修正的销量极值。
在一些实施例中，装置还包括阈值确定单元，配置用于：将第一阈值和第二阈值的平均值确定为组合阈值；或者将第一阈值和第二阈值中最大的阈值确定为组合阈值。
在一些实施例中，该装置还包括预设修正单元，配置用于：获取历史数据集合对应的历史预设日期和计划预设日期；根据历史预设日期将历史数据集合划分成非预设历史数据集合和预设历史数据集合；根据计划预设日期将初始预测销量集合划分成非预设初始预测销量集合和预设初始预测销量集合；根据非预设历史数据集合确定非预设组合阈值，并根据预设历史数据集合确定预设组合阈值；基于非预设组合阈值修正非预设初始预测销量集合，并基于预设组合阈值修正预设初始预测销量集合；将修正后的非预设初始预测销量集合和修正后的预设初始预测销量集合合并之后输出。
在一些实施例中，第二预测单元进一步配置用于：通过以下至少一种方式确定出至少一个第二预测销量：将历史数据集合中第一预设历史时间段内的历史数据中的历史销量的加权平均值确定为第二预测销量；将历史数据集合中第二预设历史时间段内的历史数据中的历史销量的平均值确定为第二预测销量；将历史数据集合中第三预设历史时间段内的历史数据中的历史销量的中位数确定为第二预测销量；将历史数据集合中第四预设历史时间段内的历史数据中的历史销量确定为第二预测销量。
在一些实施例中，第二预测单元进一步配置用于：将确定出的至少一个第二预测销量分别乘以预设第二权重得到至少一个第二阈值。
在一些实施例中，该装置还包括推送单元，配置用于：向目标终端推送修正后的初始预测销量。
第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。
本申请实施例提供的信息输出方法和装置，首先通过线性回归预测法和时间序列预测法分别得到两个预测销量，然后根据两个预测销量生成组合阈值，利用组合阈值对通过复杂的预测模型得到的预测销量进行修正，并输出修正后的初始预测销量。从而提高了销量预测的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的信息输出方法的一个实施例的流程图；
图3是根据本申请的信息输出方法的一个应用场景的示意图；
图4是根据本申请的信息输出方法的又一个实施例的流程图；
图5是根据本申请的信息输出装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的信息输出方法或信息输出装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持销量数据浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExperts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPicture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的销量数据提供支持的后台销量数据服务器。后台销量数据服务器可以对接收到的历史销量数据和预测销量数据等数据进行分析等处理，并将处理结果(例如修正后的销量数据)反馈给终端设备。
需要说明的是，本申请实施例所提供的信息输出方法一般由服务器105执行，相应地，信息输出装置一般设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的信息输出方法的一个实施例的流程200。该信息输出方法，包括以下步骤：
步骤201，获取历史数据集合和基于历史数据集合预测得到的初始预测销量集合，其中，历史数据包括日期和日期对应的历史销量。
在本实施例中，信息输出方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从第三方服务器获取历史数据集合和基于历史数据集合预测得到的初始预测销量集合，其中，历史数据包括日期和日期对应的历史销量。基于历史数据集合预测得到的初始预测销量集合指的是采用复杂模型预测得到的初始预测销量集合，初始预测销量集合中可包括至少一天的初始预测销量。复杂模型预测可以是GBDT(GradientBoostingDecisionTree梯度提升决策树)、神经网络等。这些复杂模型对大多数数据会预测的很好，但在某一时刻会出现预测值异常波动的情况。历史数据包括日期和该日期对应的历史销量。例如2017年11月7日的历史销量2164。历史数据集合中包括一段时间内的历史销量。
在本实施例的一些可选的实现方式中，在获取历史数据集合之后，该方法还包括：从历史数据集合中删除日期为预定日期的历史数据。预定日期可以是多个日期。在获取历史数据集合之后，需要对历史数据集合进行预处理，可去除预定日期(例如，618、双十一)的历史数据。防止特殊日期的销量数据影响预测结果。
在本实施例的一些可选的实现方式中，历史数据集合中的每个历史数据还包括历史销量对应的销售状态，销售状态包括不可售状态；以及在获取历史数据集合之后，该方法还包括：从历史数据集合中删除销售状态为不可售状态的历史数据。如果有的商品因为缺货而不可售导致当天销量为0，则不能作为预测时的参考，因此需要过滤掉不可售状态那天对应的历史数据。
在本实施例的一些可选的实现方式中，在获取历史数据集合之后，该方法还包括：从历史数据集合中确定出待修正的销量极值；使用与销量极值对应的日期相邻的日期所对应的预定数目个历史销量的平均值替换销量极值。获取的历史数据集合中可能包括一些销量极值，需要对这些销量极值进行修正。销量极值可通过四分位法确定或者通过标准差法确定。四分位法即将序列从大到小排序，找出从上至下1/4和3/4位置的数值a和b，然后将这两个值相减得到差值c，接着算出上限值s1(a+1.5*c)和下限值s2(a–1.5*c)，大于s1或者小于s2的销量值将被标记为销量极值。其中，1.5也可用其它大于1的值替换。标准差法即计算出序列标准差σ和平均值e，然后计算出上限值s1(e+σ*2.5)和下限值s2(e-σ*2.5)，大于s1或者小于s2的销量值将被标记为销量极值。其中，2.5也可用其它大于1的值替换。
在本实施例的一些可选的实现方式中，从历史数据集合中确定出待修正的销量极值，包括：采用四分位法从历史数据集合中确定出至少一个第一销量极值；采用标准差法从历史数据集合中确定出至少一个第二销量极值；将同时为第一销量极值和第二销量极值的历史销量确定为待修正的销量极值。还可采用四分位法和标准差法结合的方法确定销量极值，两种方法都确定出的销量值才作为销量极值。用两种方式组合确定销量极值的目的是为了避免短序列和低销量序列造成过度修正的不良效果。
步骤202，通过线性回归预测法，基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第一预测销量，并将第一预测销量乘以预设第一权重得到第一阈值。
在本实施例中，线性回归分析预测法，是根据自变量x和因变量Y的相关关系，建立x与Y的线性回归方程进行预测的方法。短期的线性回归可使用日期距离作为x，销量作为Y。使用通用的线性回归分析预测法基于历史数据集合进行销量预测，得到第一预测销量，再乘以预设第一权重得到第一阈值。预设第一权重可以是根据经验测试得到的大于1的整数或小数，例如2.5。相当于将第一预测销量进行扩大后作为第一阈值。
步骤203，通过时间序列预测法，基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第二预测销量，并将第二预测销量乘以预设第二权重得到第二阈值。
在本实施例中，时间序列，也叫时间数列、历史复数或动态数列。它是将某种统计指标的数值，按时间先后顺序排到所形成的数列。时间序列预测法就是通过编制和分析时间序列，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平。时间序列预测法可用于短期、中期和长期预测。根据对资料分析方法的不同，又可分为：简单序时平均数法、加权序时平均数法、移动平均法、加权移动平均法、趋势预测法、指数平滑法、季节性趋势预测法、市场寿命周期预测法等。简单序时平均数法也称算术平均法。即把若干历史时期的统计数值作为观察值，求出算术平均数作为下期预测值。例如，最近一个月的销量的平均值作为第二预测销量。加权序时平均数法就是把各个时期的历史数据按近期和远期影响程度进行加权，求出平均值，作为下期预测值。例如，最近一周的加权平均值作为第二预测销量。第二预测销量再乘以预设第二权重得到第二阈值。预设第二权重可以是根据经验测试得到的大于1的整数或小数，例如2或2.5或3。相当将第二预测销量进行扩大后作为第二阈值。
在本实施例的一些可选的实现方式中，通过时间序列预测法基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量预测得到第二预测销量，包括：通过以下至少一种方式确定出至少一个第二预测销量：将历史数据集合中第一预设历史时间段内的历史数据中的历史销量的加权平均值确定为第二预测销量；将历史数据集合中第二预设历史时间段内的历史数据中的历史销量的平均值确定为第二预测销量；将历史数据集合中第三预设历史时间段内的历史数据中的历史销量的中位数确定为第二预测销量；将历史数据集合中第四预设历史时间段内的历史数据中的历史销量确定为第二预测销量。其中，中位数指的是时间序列中处理中间位置的数，例如31天中，第16天对应的销量为中位数。例如，可分别通过最近一周加权平均、最近一个月平均值、最近两周的中位数、最近一个月的线性回归、历史一年的同期销量分别得到五种第二预测销量。
在本实施例的一些可选的实现方式中，将第二预测销量乘以预设第二权重得到第二阈值，包括：将确定出的至少一个第二预测销量分别乘以预设第二权重得到至少一个第二阈值。如果第二预测销量是通过不同方法预测出来的，则每种预测方法都对应一个第二权重，例如，可分别通过最近一周加权平均、最近一个月平均值、最近两周的中位数、最近一个月的线性回归、历史一年的同期销量分别得到五种第二预测销量。可表示为为r1、r2、r3、r4、r5，那么第二权重可以分别设置为2倍、2.5倍、2.5倍、2.5倍、3倍，那么第二阈值分别为r1*2、r2*2.5、r3*2.5、r4*2.5、r5*3。
步骤204，对于初始预测销量集合中每个初始预测销量，若该初始预测销量大于根据第一阈值和第二阈值确定的组合阈值，则基于第一预测销量和第二预测销量对该初始预测销量进行修正，并输出修正后的初始预测销量。
在本实施例中，需要将第一阈值和第二阈值结合起来生成组合阈值。如果初始预测销量大于该组合阈值，则说明该初始预测销量过高，需要被修正。则可使用第一预测销量和第二预测销量中最高值替换需要被修正的初始预测值。或者使用第一预测销量和第二预测销量的平均值替换需要被修正的初始预测值。初始预测销量集合中可能有一段时间的至少一个预测销量，则针对每个预测销量进行修正并输出。
在本实施例的一些可选的实现方式中，组合阈值通过以下步骤确定：将第一阈值和第二阈值的平均值确定为组合阈值；或者将第一阈值和第二阈值中最大的阈值确定为组合阈值。如果第二阈值通过多个方法确定，则组合阈值为多个第二阈值和第一阈值的平均值或多个第二阈值和第一阈值之中最大的值。
在本实施例的一些可选的实现方式中，该方法还包括：向目标终端推送修正后的初始预测销量。目标终端可以是提供历史数据集合和初始预测销量集合的终端。用户通过目标终端接收到更加准确的预测销量后，可按预测销量备货，可防止过多备货占用库存和资金，也可防止备货过少导致需要重新备货从而影响配送的时效性。
继续参见图3，图3是根据本实施例的信息输出方法的应用场景的一个示意图。在图3的应用场景中，用户通过终端300向服务器发送了历史数据301和初始的预测销量302。服务器根据接收到的历史数据301和初始的预测销量302，通过线性回归预测法和时间序列预测法分别进行预测后，根据预测结果确定出组合阈值。将大于组合阈值的初始的预测销量进行修正，并输出修正后的初始预测销量303。
本申请的上述实施例提供的方法通过线性回归预测法和时间序列预测法对初始预测销量进行修正，提高了销量预测的准确性。
进一步参考图4，其示出了信息输出方法的又一个实施例的流程400。该信息输出方法的流程400，包括以下步骤：
步骤401，获取历史数据集合和基于历史数据集合预测得到的初始预测销量集合。
步骤401与步骤201基本相同，因此不再赘述。
步骤402，获取历史数据集合对应的历史预设日期和计划预设日期。
在本实施例中，可预先对历史数据集合做预处理，删除预定日期的历史数据和/或销售状态为不可售状态的历史数据。还可对历史数据集合中的销量极值进行修正。历史预设日期与历史数据集合对应，用于指示出历史数据集合中哪些历史销量是由预设的促销活动造成的。例如，历史上每周五为预设的促销活动日期。计划预设日期，用于指示出初始预测销量集合中哪些日期对应的销量是由预设的促销活动造成的。例如，以后每周三为预设的促销活动日期。
步骤403，根据历史预设日期将历史数据集合划分成非预设历史数据集合和预设历史数据集合，根据计划预设日期将初始预测销量集合划分成非预设初始预测销量集合和预设初始预测销量集合。
在本实施例中，根据预设日期历史数据集合划分成两部分，一部分为预设日期指示的日期所对应的历史数据，另一部分为预设日期未指示的日期所对应的历史数据。例如，历史预设日期为周五，则将周五对应的历史数据划归为预设历史数据集合，周一至周四、周六和周日对应的历史数据划归为非预设历史数据集合。根据计划预设日期将初始预测销量集合划分成两部分。例如，计划预设日为周日，则将周日对应的历史数据划归为预设初始预测销量集合，周一至周六对应的初始预测销量划归为非预设初始预测销量集合。
步骤404，根据非预设历史数据集合确定非预设组合阈值。
在本实施例中，可根据步骤202的线性回归预测法基于非预设历史数据集合确定第一阈值，并根据步骤203的时间序列预测法基于非预设历史数据集合确定第二阈值，再根据步骤204的方法确定针对非预设历史数据集合的组合阈值。
步骤404'，根据预设历史数据集合确定预设组合阈值。
在本实施例中，可根据步骤202的线性回归预测法基于预设历史数据集合确定第一阈值，并根据步骤203的时间序列预测法基于预设历史数据集合确定第二阈值，再根据步骤204的方法确定针对预设历史数据集合的组合阈值。
步骤405，基于非预设组合阈值修正非预设初始预测销量集合。
在本实施例中，若非预设初始预测销量集合中的非预设初始预测销量大于非预设组合阈值，则可参考步骤204修正非预设初始预测销量集合。即，非预设的预测结果由非预设的历史数据来修正。
步骤405'，基于预设组合阈值修正预设初始预测销量集合。
在本实施例中，若预设初始预测销量集合中的预设初始预测销量大于预设组合阈值，则可参考步骤204修正预设初始预测销量集合。即，预设的预测结果由预设的历史数据来修正。
步骤406，将修正后的非预设初始预测销量集合和修正后的预设初始预测销量集合合并之后输出。
在本实施例中，合并后可按时间先后顺序输出，例如，计划预设日期为周五的预测销量是由预设历史数据修正得到的，将周五的预测销量插入到周一至周日之间输出。
从图4中可以看出，与图2对应的实施例相比，本实施例中的信息输出方法的流程400突出了对计算预设日的预测销量和非计算预设日的预测销量分别通过历史预设日的销量和非历史预设日的销量进行修正的步骤。由此，本实施例描述的方案可以引入更多的销量相关数据，从而实现更有效的销量预测并提高了销量预测的准确性。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种信息输出装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的信息输出装置500包括：获取单元501、第一预测单元502、第二预测单元503和修正输出单元504。其中，获取单元501配置用于获取历史数据集合和基于历史数据集合预测得到的初始预测销量集合，其中，历史数据包括日期和日期对应的历史销量；第一预测单元502配置用于通过线性回归预测法，基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第一预测销量，并将第一预测销量乘以预设第一权重得到第一阈值；第二预测单元503配置用于通过时间序列预测法，基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第二预测销量，并将第二预测销量乘以预设第二权重得到第二阈值；修正输出单元504配置用于对于初始预测销量集合中每个初始预测销量，若该初始预测销量大于根据第一阈值和第二阈值确定的组合阈值，则基于第一预测销量和第二预测销量对该初始预测销量进行修正，并输出修正后的初始预测销量。
在本实施例的一些可选的实现方式中，装置500还包括删除单元(未示出)，配置用于：在获取历史数据集合之后，从历史数据集合中删除日期为预定日期的历史数据。
在本实施例的一些可选的实现方式中，历史数据集合中的每个历史数据还包括历史销量对应的销售状态，销售状态包括不可售状态；以及删除单元进一步配置用于：在获取历史数据集合之后，从历史数据集合中删除销售状态为不可售状态的历史数据。
在本实施例的一些可选的实现方式中，装置500还包括替换单元(未示出)，配置用于：在获取历史数据集合之后，从历史数据集合中确定出待修正的销量极值；使用与销量极值对应的日期相邻的日期所对应的预定数目个历史销量的平均值替换销量极值。
在本实施例的一些可选的实现方式中，替换单元进一步配置用于：采用四分位法从历史数据集合中确定出至少一个第一销量极值；采用标准差法从历史数据集合中确定出至少一个第二销量极值；将同时为第一销量极值和第二销量极值的历史销量确定为待修正的销量极值。
在本实施例的一些可选的实现方式中，装置500还包括阈值确定单元，配置用于：将第一阈值和第二阈值的平均值确定为组合阈值；或者将第一阈值和第二阈值中最大的阈值确定为组合阈值。
在本实施例的一些可选的实现方式中，装置500还包括预设修正单元，配置用于：获取历史数据集合对应的历史预设日期和计划预设日期；根据历史预设日期将历史数据集合划分成非预设历史数据集合和预设历史数据集合；根据计划预设日期将初始预测销量集合划分成非预设初始预测销量集合和预设初始预测销量集合；根据非预设历史数据集合确定非预设组合阈值，并根据预设历史数据集合确定预设组合阈值；基于非预设组合阈值修正非预设初始预测销量集合，并基于预设组合阈值修正预设初始预测销量集合；将修正后的非预设初始预测销量集合和修正后的预设初始预测销量集合合并之后输出。
在本实施例的一些可选的实现方式中，第二预测单元503进一步配置用于：通过以下至少一种方式确定出至少一个第二预测销量：将历史数据集合中第一预设历史时间段内的历史数据中的历史销量的加权平均值确定为第二预测销量；将历史数据集合中第二预设历史时间段内的历史数据中的历史销量的平均值确定为第二预测销量；将历史数据集合中第三预设历史时间段内的历史数据中的历史销量的中位数确定为第二预测销量；将历史数据集合中第四预设历史时间段内的历史数据中的历史销量确定为第二预测销量。
在本实施例的一些可选的实现方式中，第二预测单元503进一步配置用于：将确定出的至少一个第二预测销量分别乘以预设第二权重得到至少一个第二阈值。
在本实施例的一些可选的实现方式中，装置500还包括推送单元(未示出)，配置用于：向目标终端推送修正后的初始预测销量。
下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一预测单元、第二预测单元和修正输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取历史数据集合和基于所述历史数据集合预测得到的初始预测销量集合的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取历史数据集合和基于历史数据集合预测得到的初始预测销量集合，其中，历史数据包括日期和日期对应的历史销量；通过线性回归预测法，基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第一预测销量，并将第一预测销量乘以预设第一权重得到第一阈值；通过时间序列预测法，基于历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第二预测销量，并将第二预测销量乘以预设第二权重得到第二阈值；对于初始预测销量集合中每个初始预测销量，若该初始预测销量大于根据第一阈值和第二阈值确定的组合阈值，则基于第一预测销量和第二预测销量对该初始预测销量进行修正，并输出修正后的初始预测销量。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (20)
1.一种信息输出方法，包括：
获取历史数据集合和基于所述历史数据集合预测得到的初始预测销量集合，其中，历史数据包括日期和日期对应的历史销量；
通过线性回归预测法，基于所述历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第一预测销量，并将所述第一预测销量乘以预设第一权重得到第一阈值；
通过时间序列预测法，基于所述历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第二预测销量，并将所述第二预测销量乘以预设第二权重得到第二阈值；
对于所述初始预测销量集合中每个初始预测销量，若该初始预测销量大于根据所述第一阈值和所述第二阈值确定的组合阈值，则基于所述第一预测销量和所述第二预测销量对该初始预测销量进行修正，并输出修正后的初始预测销量，其中，所述修正包括：使用第一预测销量和第二预测销量中最高值替换需要被修正的初始预测值，或者使用第一预测销量和第二预测销量的平均值替换需要被修正的初始预测值；
其中，所述组合阈值通过以下步骤确定：
将所述第一阈值和所述第二阈值的平均值确定为组合阈值；或者
将所述第一阈值和所述第二阈值中最大的阈值确定为组合阈值。
2.根据权利要求1所述的方法，其中，在所述获取历史数据集合之后，所述方法还包括：
从所述历史数据集合中删除日期为预定日期的历史数据。
3.根据权利要求2所述的方法，其中，所述历史数据集合中的每个历史数据还包括历史销量对应的销售状态，所述销售状态包括不可售状态；以及
在所述获取历史数据集合之后，所述方法还包括：
从所述历史数据集合中删除销售状态为不可售状态的历史数据。
4.根据权利要求1所述的方法，其中，在所述获取历史数据集合之后，所述方法还包括：
从所述历史数据集合中确定出待修正的销量极值；
使用与所述销量极值对应的日期相邻的日期所对应的预定数目个历史销量的平均值替换所述销量极值。
5.根据权利要求4所述的方法，其中，所述从所述历史数据集合中确定出待修正的销量极值，包括：
采用四分位法从所述历史数据集合中确定出至少一个第一销量极值；
采用标准差法从所述历史数据集合中确定出至少一个第二销量极值；
将同时为第一销量极值和第二销量极值的历史销量确定为待修正的销量极值。
6.根据权利要求1所述的方法，其中，所述方法还包括：
获取所述历史数据集合对应的历史预设日期和计划预设日期；
根据所述历史预设日期将所述历史数据集合划分成非预设历史数据集合和预设历史数据集合；
根据所述计划预设日期将所述初始预测销量集合划分成非预设初始预测销量集合和预设初始预测销量集合；
根据所述非预设历史数据集合确定非预设组合阈值，并根据所述预设历史数据集合确定预设组合阈值；
基于所述非预设组合阈值修正所述非预设初始预测销量集合，并基于所述预设组合阈值修正所述预设初始预测销量集合；
将修正后的非预设初始预测销量集合和修正后的预设初始预测销量集合合并之后输出。
7.根据权利要求1所述的方法，其中，所述通过时间序列预测法基于所述历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量预测得到第二预测销量，包括：
通过以下至少一种方式确定出至少一个第二预测销量：
将所述历史数据集合中第一预设历史时间段内的历史数据中的历史销量的加权平均值确定为第二预测销量；
将所述历史数据集合中第二预设历史时间段内的历史数据中的历史销量的平均值确定为第二预测销量；
将所述历史数据集合中第三预设历史时间段内的历史数据中的历史销量的中位数确定为第二预测销量；
将所述历史数据集合中第四预设历史时间段内的历史数据中的历史销量确定为第二预测销量。
8.根据权利要求7所述的方法，其中，所述将所述第二预测销量乘以预设第二权重得到第二阈值，包括：
将确定出的至少一个第二预测销量分别乘以预设第二权重得到至少一个第二阈值。
9.根据权利要求1-8之一所述的方法，其中，所述方法还包括：
向目标终端推送所述修正后的初始预测销量。
10.一种信息输出装置，包括：
获取单元，配置用于获取历史数据集合和基于所述历史数据集合预测得到的初始预测销量集合，其中，历史数据包括日期和日期对应的历史销量；
第一预测单元，配置用于通过线性回归预测法，基于所述历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第一预测销量，并将所述第一预测销量乘以预设第一权重得到第一阈值；
第二预测单元，配置用于通过时间序列预测法，基于所述历史数据集合中的每个历史数据中的历史销量和历史销量对应的日期进行销量生成第二预测销量，并将所述第二预测销量乘以预设第二权重得到第二阈值；
修正输出单元，配置用于对于所述初始预测销量集合中每个初始预测销量，若该初始预测销量大于根据所述第一阈值和所述第二阈值确定的组合阈值，则基于所述第一预测销量和所述第二预测销量对该初始预测销量进行修正，并输出修正后的初始预测销量，其中，所述修正包括：使用第一预测销量和第二预测销量中最高值替换需要被修正的初始预测值，或者使用第一预测销量和第二预测销量的平均值替换需要被修正的初始预测值；
阈值确定单元，配置用于：将所述第一阈值和所述第二阈值的平均值确定为组合阈值；或者将所述第一阈值和所述第二阈值中最大的阈值确定为组合阈值。
11.根据权利要求10所述的装置，其中，所述装置还包括删除单元，配置用于：
在所述获取历史数据集合之后，从所述历史数据集合中删除日期为预定日期的历史数据。
12.根据权利要求11所述的装置，其中，所述历史数据集合中的每个历史数据还包括历史销量对应的销售状态，所述销售状态包括不可售状态；以及
所述删除单元进一步配置用于：
在所述获取历史数据集合之后，从所述历史数据集合中删除销售状态为不可售状态的历史数据。
13.根据权利要求10所述的装置，其中，所述装置还包括替换单元，配置用于：
在所述获取历史数据集合之后，从所述历史数据集合中确定出待修正的销量极值；
使用与所述销量极值对应的日期相邻的日期所对应的预定数目个历史销量的平均值替换所述销量极值。
14.根据权利要求13所述的装置，其中，所述替换单元进一步配置用于：
采用四分位法从所述历史数据集合中确定出至少一个第一销量极值；
采用标准差法从所述历史数据集合中确定出至少一个第二销量极值；
将同时为第一销量极值和第二销量极值的历史销量确定为待修正的销量极值。
15.根据权利要求10所述的装置，其中，所述装置还包括预设修正单元，配置用于：
获取所述历史数据集合对应的历史预设日期和计划预设日期；
根据所述历史预设日期将所述历史数据集合划分成非预设历史数据集合和预设历史数据集合；
根据所述计划预设日期将所述初始预测销量集合划分成非预设初始预测销量集合和预设初始预测销量集合；
根据所述非预设历史数据集合确定非预设组合阈值，并根据所述预设历史数据集合确定预设组合阈值；
基于所述非预设组合阈值修正所述非预设初始预测销量集合，并基于所述预设组合阈值修正所述预设初始预测销量集合；
将修正后的非预设初始预测销量集合和修正后的预设初始预测销量集合合并之后输出。
16.根据权利要求10所述的装置，其中，所述第二预测单元进一步配置用于：
通过以下至少一种方式确定出至少一个第二预测销量：
将所述历史数据集合中第一预设历史时间段内的历史数据中的历史销量的加权平均值确定为第二预测销量；
将所述历史数据集合中第二预设历史时间段内的历史数据中的历史销量的平均值确定为第二预测销量；
将所述历史数据集合中第三预设历史时间段内的历史数据中的历史销量的中位数确定为第二预测销量；
将所述历史数据集合中第四预设历史时间段内的历史数据中的历史销量确定为第二预测销量。
17.根据权利要求16所述的装置，其中，所述第二预测单元进一步配置用于：
将确定出的至少一个第二预测销量分别乘以预设第二权重得到至少一个第二阈值。
18.根据权利要求10-17之一所述的装置，其中，所述装置还包括推送单元，配置用于：
向目标终端推送所述修正后的初始预测销量。
19.一种服务器，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
20.一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810031123.XA CN110033292B (zh) | 2018-01-12 | 2018-01-12 | 信息输出方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810031123.XA CN110033292B (zh) | 2018-01-12 | 2018-01-12 | 信息输出方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110033292A CN110033292A (zh) | 2019-07-19 |
| CN110033292B true CN110033292B (zh) | 2024-05-17 |
Family
ID=67234838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810031123.XA Active CN110033292B (zh) | 2018-01-12 | 2018-01-12 | 信息输出方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110033292B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112418898A (zh) * | 2019-08-21 | 2021-02-26 | 北京京东乾石科技有限公司 | 基于多时间窗口融合的物品需求数据分析方法和装置 |
| CN113469394A (zh) * | 2020-03-30 | 2021-10-01 | 富士通株式会社 | 信息处理装置、信息处理方法和计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102214338A (zh) * | 2010-04-06 | 2011-10-12 | 上海驭策信息技术有限公司 | 销售预测系统及方法 |
| CN104484708A (zh) * | 2014-11-12 | 2015-04-01 | 南京大学 | 一种基于一元线性回归和最小二乘法的商品需求预测方法 |
| CN104700152A (zh) * | 2014-10-22 | 2015-06-10 | 浙江中烟工业有限责任公司 | 一种融合季节销售信息与搜索行为信息的烟草销量预测方法 |
| CN106408341A (zh) * | 2016-09-21 | 2017-02-15 | 北京小米移动软件有限公司 | 货品销量的预测方法及装置、电子设备 |
| CN106779859A (zh) * | 2016-12-27 | 2017-05-31 | 南京安讯科技有限责任公司 | 一种移动终端产品实时销量预测方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7383201B2 (en) * | 2001-12-05 | 2008-06-03 | Canon Kabushiki Kaisha | Demand forecast device, method, and program product |
| US20150019295A1 (en) * | 2013-07-12 | 2015-01-15 | International Business Machines Corporation | System and method for forecasting prices of frequently- promoted retail products |
| US20150371242A1 (en) * | 2014-06-23 | 2015-12-24 | Caterpillar Inc. | Systems and methods for prime product forecasting |
-
2018
- 2018-01-12 CN CN201810031123.XA patent/CN110033292B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102214338A (zh) * | 2010-04-06 | 2011-10-12 | 上海驭策信息技术有限公司 | 销售预测系统及方法 |
| CN104700152A (zh) * | 2014-10-22 | 2015-06-10 | 浙江中烟工业有限责任公司 | 一种融合季节销售信息与搜索行为信息的烟草销量预测方法 |
| CN104484708A (zh) * | 2014-11-12 | 2015-04-01 | 南京大学 | 一种基于一元线性回归和最小二乘法的商品需求预测方法 |
| CN106408341A (zh) * | 2016-09-21 | 2017-02-15 | 北京小米移动软件有限公司 | 货品销量的预测方法及装置、电子设备 |
| CN106779859A (zh) * | 2016-12-27 | 2017-05-31 | 南京安讯科技有限责任公司 | 一种移动终端产品实时销量预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110033292A (zh) | 2019-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20170034592A1 (en) | Sequential delivery of advertising content across media devices | |
| US10748193B2 (en) | Assessing probability of winning an in-flight deal for different price points | |
| CN111465954B (zh) | 防止流失和提供优先的见解的智能推荐引擎 | |
| US20040204975A1 (en) | Predicting marketing campaigns using customer-specific response probabilities and response values | |
| CN110400184B (zh) | 用于生成信息的方法和装置 | |
| CN110689395B (zh) | 用于推送信息的方法和装置 | |
| CN116541610B (zh) | 一种推荐模型的训练方法及装置 | |
| US20230409906A1 (en) | Machine learning based approach for identification of extremely rare events in high-dimensional space | |
| US20170345071A1 (en) | Planning device and planning method | |
| US20140019207A1 (en) | Interactive in-memory based sales forecasting | |
| CN110650170B (zh) | 用于推送信息的方法和装置 | |
| CN110866040A (zh) | 用户画像生成方法、装置和系统 | |
| CN110033292B (zh) | 信息输出方法和装置 | |
| CN109978421B (zh) | 信息输出方法和装置 | |
| CN114663015A (zh) | 补货方法和装置 | |
| CN110675176B (zh) | 用于生成属性预测模型的方法和装置 | |
| US20190188274A1 (en) | Recommendation prediction based on preference elicitation | |
| CN110119784B (zh) | 一种订单推荐方法及装置 | |
| US20170249697A1 (en) | System and method for machine learning based line assignment | |
| US20180204226A1 (en) | End-to-end sales workflow acceleration systems and methods | |
| US11232483B2 (en) | Marketing attribution capturing synergistic effects between channels | |
| US20220129907A1 (en) | System and method for Automatic Update of Customer Relationship Management and Enterprise Resource Planning Fields with Next Best Actions using Machine Learning | |
| CN113610572A (zh) | 一种营销策略优化方法、装置以及电子设备 | |
| CN113742593A (zh) | 用于推送信息的方法和装置 | |
| US11288695B1 (en) | High value action selection using a machine learning model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |