CN113762833A - 一种物品分类方法、装置、服务器和存储介质 - Google Patents

一种物品分类方法、装置、服务器和存储介质 Download PDF

Info

Publication number
CN113762833A
CN113762833A CN202010815400.3A CN202010815400A CN113762833A CN 113762833 A CN113762833 A CN 113762833A CN 202010815400 A CN202010815400 A CN 202010815400A CN 113762833 A CN113762833 A CN 113762833A
Authority
CN
China
Prior art keywords
item
warehouse
article
ratio
numerical value
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.)
Granted
Application number
CN202010815400.3A
Other languages
English (en)
Other versions
CN113762833B (zh
Inventor
范超
邵文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Shangke Information Technology Co Ltd
Beijing Jingdong Qianshi Technology Co Ltd
Original Assignee
Beijing Jingdong Qianshi Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Qianshi Technology Co Ltd filed Critical Beijing Jingdong Qianshi Technology Co Ltd
Priority to CN202010815400.3A priority Critical patent/CN113762833B/zh
Publication of CN113762833A publication Critical patent/CN113762833A/zh
Application granted granted Critical
Publication of CN113762833B publication Critical patent/CN113762833B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Warehouses Or Storage Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种物品分类方法、装置、服务器和存储介质，其中，方法包括：获取预设时间段内各个品项物品的出库数据，并根据所述出库数据确定各个品项物品的出库量累计占比的数值和品项数量累计占比的数值；根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定品项数量累计占比与出库量累计占比之间的拟合关系；基于所述拟合关系确定物品分类分割数据，根据所述物品分类分割数据获得所述各个品项物品的分类结果，其中，所述物品分类分割数据包括用于区分不同物品分类的出库量累计占比的数值和/或品项数量累计占比的数值。通过本发明实施例的技术方案，可以为物品分类提供准确的方法，提高物品分类的准确性。

Description

一种物品分类方法、装置、服务器和存储介质
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种物品分类方法、装置、服务器和存储介质。
背景技术
在无人仓的仓储规划中，常用ABC(Analysis by Contribution，基于贡献分析)分类法进行物品布局，即根据各品项物品的出库次数将全部的物品分为A、B和C三类或更多类，然后将出库频率高的A类物品置于便于拣货出库的位置，B类、C类物品依次后置。当前，在具体进行类别划分时，分类点的界限数值的确定方法，主要是通过统计各个品项的物品的出库频率，进而画出频率图，然后结合经验确定分类点的界限数值进行物品类别划分。
但是，在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：对各个品项物品出库频率的统计结果是离散化的，而非连续化，这导致后续划分难以有统一标准，不同人划分的结果会不一致。而且，非连续化的结果也使得划分的准确性可能存在偏差，错误的将物品划分为A、B和C类中的一种，却没有符合ABC分类的本质。
发明内容
本发明实施例提供了一种物品分类方法、装置、服务器和存储介质，以为物品分类提供准确的方法，提高物品分类的准确性。
第一方面，本发明实施例提供了一种物品分类方法，该方法包括：
获取预设时间段内各个品项物品的出库数据，并根据所述出库数据确定各个品项物品的出库量累计占比的数值和品项数量累计占比的数值；
根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定品项数量累计占比与出库量累计占比之间的拟合关系；
基于所述拟合关系确定物品分类分割数据，根据所述物品分类分割数据获得所述各个品项物品的分类结果，其中，所述物品分类分割数据包括用于区分不同物品分类的出库量累计占比的数值和/或品项数量累计占比的数值。
可选的，所述根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定品项数量累计占比与出库量累计占比之间的拟合关系，包括：
获取预先建立的双参数模型，所述双参数模型中的因变量表示由所述品项数量累计占比数值作为自变量的变化引起的物品出库量的变化；
根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定所述双参数模型中的权重参数的数值；
根据所述权重参数的数值，确定所述双参数模型对应的拟合曲线。
可选的，所述根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定所述双参数模型中的权重参数的数值，包括：
确定所述双参数模型的损失函数对应的正则方程组；
将所述出库量累计占比的数值和所述品项数量累计占比的数值带入所述正则方程组，求解所述正则方程组，以确定所述双参数模型中的权重参数的数值。
可选的，当将所述各个品项商品分为三类时，所述基于所述拟合关系确定物品分类分割数据，根据所述物品分类分割数据获得所述各个品项物品的分类结果，包括：
根据第二类物品预设出库量累计占比以及所述拟合关系建立物品分类分割数据方程组；
对所述物品分类分割数据方程组进行求解，得到第一类物品与所述第二类物品间的第一物品分类分割数据，以及第二类物品与第三类物品间的第二物品分类分割数据；
根据所述第一物品分类分割数据和所述物品分类分割数据将所述各品项商品分为三类。
可选的，所述第二类物品预设出库量累计占比的确定过程包括：
基于所述拟合关系，确定各品项物品的出库量累计占比和品项数量累计占比的收益递减点，其中，在所述收益递减点之后的数据点，出库量累计占比增长程度小于品项数量累计占比增长的程度；
将所述收益递减点的品项数量累计占比数值作为第二类物品预设出库量累计占比。
可选的，所述根据所述出库数据确定各个品项物品的出库量累计占比的数值和品项数量累计占比的数值，包括：
按照所述出库数据中各品项物品的出库量将所述各品项物品进行降序排列；
针对每个品项的物品，将当前品项物品的出库量以及排在所述当前品项之前的品项物品的出库量之和，与所有品项物品的出库量的比值作为当前品项物品对应的出库量累计占比；
针对每个品项的物品，将当前品项物品的排序数值与所有品项数量的比值作为所述当前品项物品的品项数量累计占比。
可选的，所述双参数模型中自变量与因变量为幂函数关系。
第二方面，本发明实施例还提供了一种物品分类装置，该装置包括：
数据统计模块，用于获取预设时间段内各个品项物品的出库数据，并根据所述出库数据确定各个品项物品的出库量累计占比的数值和品项数量累计占比的数值；
数据分析模块，用于根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定品项数量累计占比与出库量累计占比之间的拟合关系；
物品分类模块，用于基于所述拟合关系确定物品分类分割数据，根据所述物品分类分割数据获得所述各个品项物品的分类结果，其中，所述物品分类分割数据包括用于区分不同物品分类的出库量累计占比的数值和/或品项数量累计占比的数值。
可选的，所述数据分析模块，包括：
模型获取子模块，用于获取预先建立的双参数模型，所述双参数模型中的因变量表示由所述品项数量累计占比数值作为自变量的变化引起的物品出库量的变化；
模型参数确定子模块，用于根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定所述双参数模型中的权重参数的数值；
拟合关系确定子模块，用于根据所述权重参数的数值，确定所述双参数模型对应的拟合曲线。
可选的，所述模型参数确定子模块具体用于：
确定所述双参数模型的损失函数对应的正则方程组；
将所述出库量累计占比的数值和所述品项数量累计占比的数值带入所述正则方程组，求解所述正则方程组，以确定所述双参数模型中的权重参数的数值。
可选的，当将所述各个品项商品分为三类时，所述物品分类模块包括：
方程组建立子模块，用于根据第二类物品预设出库量累计占比以及所述拟合关系建立物品分类分割数据方程组；
分类分割数据确定子模块，用于对所述物品分类分割数据方程组进行求解，得到第一类物品与所述第二类物品间的第一物品分类分割数据，以及第二类物品与第三类物品间的第二物品分类分割数据；
分类子模块，用于根据所述第一物品分类分割数据和所述物品分类分割数据将所述各品项商品分为三类。
可选的，所述物品分类装置还包括：第二类物品预设出库量确定模块，具体用于：
基于所述拟合关系，确定各品项物品的出库量累计占比和品项数量累计占比的收益递减点，其中，在所述收益递减点之后的数据点，出库量累计占比增长程度小于品项数量累计占比增长的程度；
将所述收益递减点的品项数量累计占比数值作为第二类物品预设出库量累计占比。
可选的，所述数据统计模块，包括：
数据排列子模块，用于按照所述出库数据中各品项物品的出库量将所述各品项物品进行降序排列；
出库量数据统计子模块，用于针对每个品项的物品，将当前品项物品的出库量以及排在所述当前品项之前的品项物品的出库量之和，与所有品项物品的出库量的比值作为当前品项物品对应的出库量累计占比；
品项数量累计占统计子模块，用于针对每个品项的物品，将当前品项物品的排序数值与所有品项数量的比值作为所述当前品项物品的品项数量累计占比。
可选的，所述双参数模型中自变量与因变量为幂函数关系。
第三方面，本发明实施例还提供了一种服务器，所述服务器包括：
一个或多个处理器；
存储器，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本发明任意实施例所提供的物品分类方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的物品分类方法。
上述发明中的实施例具有如下优点或有益效果：
通过对离散的统计数据出库量累计占比的数值和品项数量累计占比的数值进行拟合，确定拟合关系，使据出库量累计占比的数值和品项数量累计占比的数值间关系为连续型关系，进而基于确定的拟合关系得到物品分类分割数据以对物品进行分类，实现了提高物品分类结果的准确性，可以更好地指导物品分类。
附图说明
图1是本发明实施例一提供的一种物品分类方法的流程图；
图2是本发明实施例二提供的一种物品分类方法的流程图；
图3是本发明实施例二提供的一种品项数量累计占比与出库量累计占比拟合关系的示意图；
图4是本发明实施例二提供的一种物品分类分割数据点示意图；
图5是本发明实施例二提供的一种拟合关系中收益递减点示意图；
图6是本发明实施例三提供的一种物品分类装置的结构示意图；
图7是本发明实施例四提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种物品分类方法的流程图，本实施例可适用于对物品进行分类的情况，特别适合用于对具有帕累托效应的物品进行分类。该方法可以由物品分类装置实现，该装置配置于计算机设备等客户端中，具体可通过设备中的软件和/或硬件来实施。
如图1所示，物品分类方法具体包括如下内容：
S110、获取预设时间段内各个品项物品的出库数据，并根据所述出库数据确定各个品项物品的出库量累计占比的数值和品项数量累计占比的数值。
具体的，品项类似于物品的一个分类，一个品项的物品具有具体的参数或属性，例如一个牌子的可乐有不同体积的包装版本，分别为250ml装、500ml装及1.8L装，那么这三个不同体积的可乐便分别属于三品不同品项的物品。
出库数据则包括预设时间段内各品项物品的出库量以及品项数。其中，预设时间段通常以至少一个月的时间作为一个时间周期，进行各品项物品的出库量统计，这样才能有足够的数据量来体现物品的品项数量与出库量之间的相关关系。
在进行各品项物品出库数据统计时，首先，按照出库数据中各品项物品的出库量将各品项物品进行降序排列；然后，针对每个品项的物品，将当前品项物品的出库量以及排在当前品项之前的品项物品的出库量之和，与所有品项物品的出库量的比值作为当前品项物品对应的出库量累计占比；再将当前品项物品的排序数值与所有品项数量的比值作为所述当前品项物品的品项数量累计占比。示例性的，物品的出库统计数据如下表所示：
表1物品出库数据统计表
SKU 出库量 出库量排序 出库量累计占比(％) 品项数累计占比(％)
B001 40901 1 10.2 0.01
B002 5013 2 12.62 0.02
B003 4999 3 13.89 0.03
… … … … …
在表1中，SKU(Stock Keeping Unit)是库存量单位，即库存进出计量的基本单元，在本实施例中，一个SKU编号则代表一品品项。出库量则是个品项物品在预设时间段内的总出库量。以B002这一品项物品的共计数据为例，B002对应的出库量为5013个单位的出库量，出库量排序在第2位，用其出库量5013与B001的出库量40901之和，除以所有品项物品的出库量得到相应的出库量累计占比，到B002总共有2品品项，用2除以所有品项的数量则得到相应的品项数累计占比。
S120、根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定品项数量累计占比与出库量累计占比之间的拟合关系。
具体的，对物品进行分类是为了更加科学的对物品的摆放位置进行规划，需要将出库量大的物品放置在便于拣货出库的位置，这样能够提高拣货的效率，节约人力以及物力成本。通常，会有小部分品项的物品出库量占总出库量的大部分，而更多品项数的物品的出货量仅占总出库量的很小的比例。
那么，根据品项数量累计占比与出库量累计占比之间关系的特征，可以获取预先建立的双参数模型，在该双参数模型中的因变量表示由品项数量累计占比数值作为自变量的变化引起的物品出库量的变化，即将品项数量累计占比作为自变量，将出库量累计占比作为因变量。在双参数模型中的两个参数即为自变量和因变量的权重参数。在双参数模型中自变量与因变量为幂函数关系，或者说两者的拟合曲线为双曲线在正象限中的一支。
进一步的，将在步骤S110中的统计数据，即各品项物品对应的出库量累计占比的数值和品项数量累计占比的数值作为样本数据带入获取到的双参数模型中，从而计算确定权重参数的数值。在确定权重参数数值的过程中，可采用格点搜索或牛顿法进行求解。在确定权重参数的数值之后，便可以确定双参数模型对应的拟合曲线，即将离散化的出库统计数据通过拟合函数的形式变为连续化。
S130、基于所述拟合关系确定物品分类分割数据，根据所述物品分类分割数据获得所述各个品项物品的分类结果，其中，所述物品分类分割数据包括用于区分不同物品分类的出库量累计占比的数值和/或品项数量累计占比的数值。
通过出库统计数据确定的出库量累计占比和品项数量累计占比之间的拟合关系(拟合曲线)，可以更好的反映出各品项物品在ABC分类方法上的特性。因此，基于拟合曲线表现出的品项数量的变化对出库量的影响程度，也即拟合曲线的斜率，可以根据分类需求将拟合曲线上相应的出库量累计占比的数值和/或品项数量累计占比的数值作为物品分类分割数据，以物品分类分割数据作为分割点将各品项物品分为三类或者更多类。
本实施例的技术方案，通过对离散的统计数据出库量累计占比的数值和品项数量累计占比的数值进行拟合，确定拟合关系，使据出库量累计占比的数值和品项数量累计占比的数值间关系为连续型关系，进而基于确定的拟合关系得到物品分类分割数据以对物品进行分类，实现了提高物品分类结果的准确性，可以更好地指导物品分类。
实施例二
图2为本发明实施例二提供的一种物品分类方法的流程图，本实施例在上述实施例的基础上，进一步说明把物品分为三类(第一类物品、第二类物品和第三类物品)的情况下，具体的操作过程。其中与上述实施例相同或相应的术语的解释在此不再赘述。
在本实施例中，具体把各品项物品分为三类，划分的原则是第一类物品(A类SKU)表示少部分品项贡献了绝大部分的出库量的物品，第二类物品(B类SKU)表示一定比例(F)的品项贡献了等比例(F)的出库量的物品，第三类物品(C类SKU)表示绝大部分的品项贡献了少部分的出库量的物品。如图2所示，本实施例中，物品分类的方法包括如下内容：
S210、获取预设时间段内各个品项物品的出库数据，并根据所述出库数据确定各个品项物品的出库量累计占比的数值和品项数量累计占比的数值。
S220、根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定品项数量累计占比与出库量累计占比之间的拟合关系。
具体的，获取预先建立的双参数模型，双参数模型中的因变量表示由所述品项数量累计占比数值作为自变量的变化引起的物品出库量的变化。在本实施例中，示例性的将双参数模型表示为：
Figure BDA0002632007720000111
其中，x表示品项数量累计占比，y表示出库量累计占比，α和β分别表示双参数函数中的两个权重参数。相应的，该双参数模型的回归函数表示为：
Figure BDA0002632007720000112
其中，xi、yi和εi分别表示出库量排在第i位置的品项物品对应的品项数量累计占比数值和出库量累计占比数值，以及第i位置的品项物品出库量与拟合曲线表示的相应的出库量之间的差值。
进一步的，根据最小二乘法，残差方程表示为
Figure BDA0002632007720000113
相应的正则方程组可表示为
Figure BDA0002632007720000114
从而可以利用过格点搜索或牛顿法，将出库量累计占比的数值和品项数量累计占比的数值带入正则方程组，求解正则方程组求解非线性方程组中的α和β。最终得到的拟合曲线可参考图3中所示的拟合曲线。
S230、根据第二类物品预设出库量累计占比以及所述拟合关系建立物品分类分割数据方程组。
其中，第二类物品(B类SKU)表示一定比例的品项贡献了等比例的出库量的物品，第二类物品的预设出库量累计占比可以是根据经验值预先设定的一个数值，或者是根据在上述步骤中确定的拟合关系(拟合曲线)确定的一个数值。
在本实施例中用F表示第二类物品的预设出库量累计占比。假设第一类物品与第二类物品在拟合曲线上的分割点为(x1，y1)，第二类物品与第三类物品在拟合曲线上的分割点为(x2，y2)。在已知F的前提下，可以确定x2-x1＝y2-y1＝F。将该式与确定了权重参数的双参数模型联立得到方程组。
S240、对所述物品分类分割数据方程组进行求解，得到第一类物品与所述第二类物品间的第一物品分类分割数据，以及第二类物品与第三类物品间的第二物品分类分割数据。
具体的，对方程组进行求解得到想用的分割点的数值，第一类物品与所述第二类物品间的第一物品分类分割数据具体可表示为
Figure BDA0002632007720000121
第二类物品与第三类物品间的第二物品分类分割数据具体可表示为
Figure BDA0002632007720000122
可以参考图4所示的物品分类分割数据点示意图。
S250、根据所述第一物品分类分割数据和所述物品分类分割数据将所述各品项商品分为三类。
如图4所示，根据计算得到的两个物品分类分割数据，即可将各品项物品分为A、B和C三类。
分类结果可参考表2所示的分类结果展示内容。
表2物品分类表
SKU 出库量累计占比(％) 品项数累计占比(％) ABC分类
B001 10.2 0.01 A
B002 12.62 0.02 A
… … … A
B215 67.86 10.3 A
B101 67.88 10.31 B
… … … B
B105 87.98 30.3 B
B102 87.99 30.31 C
… … C
进一步的，在本实施例中，第二类物品预设出库量累计占比的确定过程可以包括以下内容：
如图5所示，假设图5中的曲线ODQ为根据一个预设时间段内各品项物品出库数据统计结果的拟合曲线，将曲线的斜率等于1的点定义为各品项物品的出库量累计占比和品项数量累计占比的收益递减点，也就是说，在述收益递减点之后的数据点，出库量累计占比增长程度小于品项数量累计占比增长的程度。也可以说在D点之前，每增加1％的出库品项数量，会相应增加超过1％的物品出库量；D点之后，每增加1％的出库品项数量，会相应增加少于1％的出物品库量。
那么，另双参数模型对应的拟合曲线的一阶导数等于一，可表示为由
Figure BDA0002632007720000141
进一步的求得结果
Figure BDA0002632007720000142
将xD作为第二类物品预设出库量累计占比即可。
本实施例的技术方案，通过对离散的统计数据出库量累计占比的数值和品项数量累计占比的数值进行拟合，确定拟合关系，使据出库量累计占比的数值和品项数量累计占比的数值间关系为连续型关系，进而基于确定的拟合关系得到物品分类分割数据以对物品进行分类，实现了提高物品分类结果的准确性，可以更好地指导物品分类。
以下是本发明实施例提供的物品分类装置的实施例，该装置与上述各实施例的物品分类方法属于同一个发明构思，可通过本实施例的物品分类装置执行上述各实施例中的物品分类方法。在物品分类装置的实施例中未详尽描述的细节内容，可以参考上物品分类方法的实施例。
实施例三
图6为本发明实施例三提供的一种物品分类装置的结构示意图，本实施例可适用于对物品进行分类，特别适合用于对具有帕累托效应的物品进行分类。
具体的，物品分类装置具体包括数据统计模块310、数据分析模块320和物品分类模块330。
其中，数据统计模块310，用于获取预设时间段内各个品项物品的出库数据，并根据所述出库数据确定各个品项物品的出库量累计占比的数值和品项数量累计占比的数值；数据分析模块320，用于根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定品项数量累计占比与出库量累计占比之间的拟合关系；物品分类模块330，用于基于所述拟合关系确定物品分类分割数据，根据所述物品分类分割数据获得所述各个品项物品的分类结果，其中，所述物品分类分割数据包括用于区分不同物品分类的出库量累计占比的数值和/或品项数量累计占比的数值。
本实施例的技术方案，通过对离散的统计数据出库量累计占比的数值和品项数量累计占比的数值进行拟合，确定拟合关系，使据出库量累计占比的数值和品项数量累计占比的数值间关系为连续型关系，进而基于确定的拟合关系得到物品分类分割数据以对物品进行分类，实现了提高物品分类结果的准确性，可以更好地指导物品分类。
可选的，所述数据分析模块320，包括：
模型获取子模块321，用于获取预先建立的双参数模型，所述双参数模型中的因变量表示由所述品项数量累计占比数值作为自变量的变化引起的物品出库量的变化；
模型参数确定子模块322，用于根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定所述双参数模型中的权重参数的数值；
拟合关系确定子模块323，用于根据所述权重参数的数值，确定所述双参数模型对应的拟合曲线。
可选的，所述模型参数确定子模块322具体用于：
确定所述双参数模型的损失函数对应的正则方程组；
将所述出库量累计占比的数值和所述品项数量累计占比的数值带入所述正则方程组，求解所述正则方程组，以确定所述双参数模型中的权重参数的数值。
可选的，当将所述各个品项商品分为三类时，所述物品分类模块330包括：
方程组建立子模块331，用于根据第二类物品预设出库量累计占比以及所述拟合关系建立物品分类分割数据方程组；
分类分割数据确定子模块332，用于对所述物品分类分割数据方程组进行求解，得到第一类物品与所述第二类物品间的第一物品分类分割数据，以及第二类物品与第三类物品间的第二物品分类分割数据；
分类子模块333，用于根据所述第一物品分类分割数据和所述物品分类分割数据将所述各品项商品分为三类。
可选的，所述物品分类装置还包括：第二类物品预设出库量确定模块，具体用于：
基于所述拟合关系，确定各品项物品的出库量累计占比和品项数量累计占比的收益递减点，其中，在所述收益递减点之后的数据点，出库量累计占比增长程度小于品项数量累计占比增长的程度；
将所述收益递减点的品项数量累计占比数值作为第二类物品预设出库量累计占比。
可选的，所述数据统计模块310，包括：
数据排列子模块311，用于按照所述出库数据中各品项物品的出库量将所述各品项物品进行降序排列；
出库量数据统计子模块312，用于针对每个品项的物品，将当前品项物品的出库量以及排在所述当前品项之前的品项物品的出库量之和，与所有品项物品的出库量的比值作为当前品项物品对应的出库量累计占比；
品项数量累计占统计子模块313，用于针对每个品项的物品，将当前品项物品的排序数值与所有品项数量的比值作为所述当前品项物品的品项数量累计占比。
可选的，所述双参数模型中自变量与因变量为幂函数关系。
本发明实施例所提供的物品分类装置可执行本发明任意实施例所提供的物品分类方法，具备执行方法相应的功能模块和有益效果。
实施例四
图7为本发明实施例四提供的一种服务器的结构示意图。图7示出了适于用来实现本发明实施方式的示例性服务器12的框图。图7显示的服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该服务器12交互的设备通信，和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发实施例所提供的一种物品分类方法步骤，该方法包括：
获取预设时间段内各个品项物品的出库数据，并根据所述出库数据确定各个品项物品的出库量累计占比的数值和品项数量累计占比的数值；
根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定品项数量累计占比与出库量累计占比之间的拟合关系；
基于所述拟合关系确定物品分类分割数据，根据所述物品分类分割数据获得所述各个品项物品的分类结果，其中，所述物品分类分割数据包括用于区分不同物品分类的出库量累计占比的数值和/或品项数量累计占比的数值。
当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的物品分类方法的技术方案。
实施例五
本实施例五提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的物品分类方法步骤，该方法包括：
获取预设时间段内各个品项物品的出库数据，并根据所述出库数据确定各个品项物品的出库量累计占比的数值和品项数量累计占比的数值；
根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定品项数量累计占比与出库量累计占比之间的拟合关系；
基于所述拟合关系确定物品分类分割数据，根据所述物品分类分割数据获得所述各个品项物品的分类结果，其中，所述物品分类分割数据包括用于区分不同物品分类的出库量累计占比的数值和/或品项数量累计占比的数值。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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。
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发明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)。
本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种物品分类方法，其特征在于，包括：
获取预设时间段内各个品项物品的出库数据，并根据所述出库数据确定各个品项物品的出库量累计占比的数值和品项数量累计占比的数值；
根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定品项数量累计占比与出库量累计占比之间的拟合关系；
基于所述拟合关系确定物品分类分割数据，根据所述物品分类分割数据获得所述各个品项物品的分类结果，其中，所述物品分类分割数据包括用于区分不同物品分类的出库量累计占比的数值和/或品项数量累计占比的数值。
2.根据权利要求1所述的方法，其特征在于，所述根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定品项数量累计占比与出库量累计占比之间的拟合关系，包括：
获取预先建立的双参数模型，所述双参数模型中的因变量表示由所述品项数量累计占比数值作为自变量的变化引起的物品出库量的变化；
根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定所述双参数模型中的权重参数的数值；
根据所述权重参数的数值，确定所述双参数模型对应的拟合曲线。
3.根据权利要求2所述的方法，其特征在于，所述根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定所述双参数模型中的权重参数的数值，包括：
确定所述双参数模型的损失函数对应的正则方程组；
将所述出库量累计占比的数值和所述品项数量累计占比的数值带入所述正则方程组，求解所述正则方程组，以确定所述双参数模型中的权重参数的数值。
4.根据权利要求1-3中任一所述的方法，其特征在于，当将所述各个品项商品分为三类时，所述基于所述拟合关系确定物品分类分割数据，根据所述物品分类分割数据获得所述各个品项物品的分类结果，包括：
根据第二类物品预设出库量累计占比以及所述拟合关系建立物品分类分割数据方程组；
对所述物品分类分割数据方程组进行求解，得到第一类物品与所述第二类物品间的第一物品分类分割数据，以及第二类物品与第三类物品间的第二物品分类分割数据；
根据所述第一物品分类分割数据和所述物品分类分割数据将所述各品项商品分为三类。
5.根据权利要求4所述的方法，其特征在于，所述第二类物品预设出库量累计占比的确定过程包括：
基于所述拟合关系，确定各品项物品的出库量累计占比和品项数量累计占比的收益递减点，其中，在所述收益递减点之后的数据点，出库量累计占比增长程度小于品项数量累计占比增长的程度；
将所述收益递减点的品项数量累计占比数值作为第二类物品预设出库量累计占比。
6.根据权利要求1所述的方法，其特征在于，所述根据所述出库数据确定各个品项物品的出库量累计占比的数值和品项数量累计占比的数值，包括：
按照所述出库数据中各品项物品的出库量将所述各品项物品进行降序排列；
针对每个品项的物品，将当前品项物品的出库量以及排在所述当前品项之前的品项物品的出库量之和，与所有品项物品的出库量的比值作为当前品项物品对应的出库量累计占比；
针对每个品项的物品，将当前品项物品的排序数值与所有品项数量的比值作为所述当前品项物品的品项数量累计占比。
7.根据权利要求2所述的方法，其特征在于，所述双参数模型中自变量与因变量为幂函数关系。
8.一种物品分类装置，其特征在于，包括：
数据统计模块，用于获取预设时间段内各个品项物品的出库数据，并根据所述出库数据确定各个品项物品的出库量累计占比的数值和品项数量累计占比的数值；
数据分析模块，用于根据所述出库量累计占比的数值和所述品项数量累计占比的数值，确定品项数量累计占比与出库量累计占比之间的拟合关系；
物品分类模块，用于基于所述拟合关系确定物品分类分割数据，根据所述物品分类分割数据获得所述各个品项物品的分类结果，其中，所述物品分类分割数据包括用于区分不同物品分类的出库量累计占比的数值和/或品项数量累计占比的数值。
9.一种服务器，其特征在于，所述服务器包括：
一个或多个处理器；
存储器，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1-7中任一所述的物品分类方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的物品分类方法。
CN202010815400.3A 2020-08-13 2020-08-13 一种物品分类方法、装置、服务器和存储介质 Active CN113762833B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010815400.3A CN113762833B (zh) 2020-08-13 2020-08-13 一种物品分类方法、装置、服务器和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010815400.3A CN113762833B (zh) 2020-08-13 2020-08-13 一种物品分类方法、装置、服务器和存储介质

Publications (2)

Publication Number Publication Date
CN113762833A true CN113762833A (zh) 2021-12-07
CN113762833B CN113762833B (zh) 2024-09-27

Family

ID=78785624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010815400.3A Active CN113762833B (zh) 2020-08-13 2020-08-13 一种物品分类方法、装置、服务器和存储介质

Country Status (1)

Country Link
CN (1) CN113762833B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114841647A (zh) * 2022-05-12 2022-08-02 北京京东乾石科技有限公司 一种确定物品存储分类的方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001253512A (ja) * 2000-03-14 2001-09-18 Rinku:Kk 在庫管理システムとその在庫管理方法及び在庫管理用プログラムを記録した記録媒体
US20170278055A1 (en) * 2014-10-27 2017-09-28 SSI Schäfer PEEM GmbH Method and system for progressive picking
CN109905839A (zh) * 2019-03-06 2019-06-18 北京石油化工学院 危险化学品码垛式仓储货物定位优化方法
CN110689300A (zh) * 2019-09-11 2020-01-14 西南科技大学 多层分类法的卷烟库存策略
CN111242556A (zh) * 2020-01-21 2020-06-05 秒针信息技术有限公司 一种货物分类方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001253512A (ja) * 2000-03-14 2001-09-18 Rinku:Kk 在庫管理システムとその在庫管理方法及び在庫管理用プログラムを記録した記録媒体
US20170278055A1 (en) * 2014-10-27 2017-09-28 SSI Schäfer PEEM GmbH Method and system for progressive picking
CN109905839A (zh) * 2019-03-06 2019-06-18 北京石油化工学院 危险化学品码垛式仓储货物定位优化方法
CN110689300A (zh) * 2019-09-11 2020-01-14 西南科技大学 多层分类法的卷烟库存策略
CN111242556A (zh) * 2020-01-21 2020-06-05 秒针信息技术有限公司 一种货物分类方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
凌斌涛;: "ABC分析法在仓储空间规划中的应用研究", 新西部(下半月), no. 12, pages 62 - 63 *
李家斌;: "基于ABC分类的卷烟配送中心库存量确定", 物流科技, no. 10, pages 92 - 94 *
杨冰莉: "浅谈ABC分类控制方法", 内蒙古科技与经济, no. 08 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114841647A (zh) * 2022-05-12 2022-08-02 北京京东乾石科技有限公司 一种确定物品存储分类的方法和装置

Also Published As

Publication number Publication date
CN113762833B (zh) 2024-09-27

Similar Documents

Publication Publication Date Title
CN110751497A (zh) 一种商品补货方法和装置
US20150278813A1 (en) Determining a temporary transaction limit
CN107220217A (zh) 基于逻辑回归的特征系数训练方法和装置
CN109993627B (zh) 推荐方法、推荐模型的训练方法、装置和存储介质
CN110097302B (zh) 分配订单的方法和装置
CN111931055B (zh) 对象推荐方法、对象推荐装置和电子设备
CN110650170B (zh) 用于推送信息的方法和装置
CN111612581A (zh) 一种物品推荐的方法、装置、设备及存储介质
CN113761334A (zh) 一种可视化推荐方法、装置、设备和存储介质
CN112818230B (zh) 内容推荐方法、装置、电子设备和存储介质
US11978072B2 (en) Systems for management of location-aware market data
US20170193538A1 (en) System and method for determining the priority of mixed-type attributes for customer segmentation
CN109635069B (zh) 一种基于信息熵的地理空间数据自组织方法
CN112488863A (zh) 一种在用户冷启动场景下的险种推荐方法及相关设备
CN112598472A (zh) 产品推荐方法、装置、系统、介质和程序产品
CN112700180A (zh) 一种拣货方法和拣货装置
Baizyldayeva et al. Decision making procedure: applications of IBM SPSS cluster analysis and decision tree
CN110298615A (zh) 用于选择仓库中的货品的方法、装置、介质和计算设备
CN113837694B (zh) 物品陈列方法、装置、电子设备和可读介质
CN114969040A (zh) 一种数据展示方法、装置、电子设备及存储介质
CN113762833B (zh) 一种物品分类方法、装置、服务器和存储介质
CN114611850A (zh) 业务分析方法、装置及电子设备
CN111667208A (zh) 一种物品存储控制方法、装置、设备及介质
CN113379173B (zh) 为仓库商品标记标签的方法和装置
CN110689032A (zh) 数据处理方法及系统、计算机系统和计算机可读存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240124

Address after: 100086 8th Floor, 76 Zhichun Road, Haidian District, Beijing

Applicant after: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

Country or region after: China

Applicant after: Beijing Jingdong Qianshi Technology Co.,Ltd.

Address before: Room a1905, 19 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: Beijing Jingdong Qianshi Technology Co.,Ltd.

Country or region before: China

GR01 Patent grant
GR01 Patent grant