CN114429365A

CN114429365A - 物品销量信息生成方法、装置、电子设备和计算机介质

Info

Publication number: CN114429365A
Application number: CN202210033447.3A
Authority: CN
Inventors: 刘葳; 庄晓天; 王忠帅
Original assignee: Beijing Jingdong Zhenshi Information Technology Co Ltd
Current assignee: Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority date: 2022-01-12
Filing date: 2022-01-12
Publication date: 2022-05-03

Abstract

本公开的实施例公开了物品销量信息生成方法、装置、电子设备和计算机介质。该方法的一具体实施方式包括：根据备选历史销量序列集和历史预测销量序列集，生成备选历史流转量和历史预测流转量；根据备选历史流转量、历史预测流转量和相似物品历史销量序列，生成第一销量预测量序列；对第一销量预测量序列中的每个第一销量预测量进行调整处理以生成第一销量调整预测量，得到第一销量调整预测量序列；根据目标历史销量序列和第一销量调整预测量序列，生成目标销量调整预测量序列。该实施方式实现了对目标物品销量的滚动预测，使得所预测的物品的销量贴合于用户的实际需求量，避免了因物品生产过多，而造成的物品的损耗。

Description

物品销量信息生成方法、装置、电子设备和计算机介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及物品销量信息生成方法、装置、电子设备和计算机介质。

背景技术

目前，对于新物品的销量预测，通常采用的方法是：通过巴斯扩散模型，模拟产品生命周期曲线，预测用户的数量，以间接实现对新物品的销售预测。

然而，采用上述方式通常会存在以下技术问题：所预测的销量与用户实际需求量存在较大差异，导致所预测的销量过多时，使得所生产的物品较多，造成了物品的损耗。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了物品销量信息生成方法、装置、电子设备和计算机介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种物品销量信息生成方法，该方法包括：查询目标物品的相似物品，确定对应上述相似物品的第一备选物品集合和对应上述目标物品的第二备选物品集合；根据上述第一备选物品集合在第一历史时间段内的备选历史销量序列集和上述第二备选物品集合在第二历史时间段内的历史预测销量序列集，生成备选历史流转量和历史预测流转量；根据上述备选历史流转量、上述历史预测流转量和上述相似物品在上述第一历史时间段内的相似物品历史销量序列，生成预设未来时间段内对应上述目标物品的第一销量预测量序列，其中，上述预设未来时间段的时长与上述第一历史时间段的时长相同；根据上述目标物品在第三历史时间段内的目标历史销量序列和上述第一销量预测量序列，生成目标销量调整预测量序列。

可选地，上述确定对应上述相似物品的第一备选物品集合和对应上述目标物品的第二备选物品集合，包括：获取上述目标物品的目标属性信息和预设的物品组中每个物品的物品属性信息，得到目标属性信息和物品属性信息组；对上述目标属性信息进行向量化处理以生成目标属性信息向量；对上述物品属性信息组中的每个物品属性信息进行向量化处理以生成物品属性信息向量，得到物品属性信息向量组；确定上述物品属性信息向量组中每个物品属性信息向量和上述目标属性信息向量的相似度，得到相似度组；将上述相似度组中相似度最大的相似度对应的物品确定为相似物品。

可选地，上述目标属性信息包括目标物品类型，上述物品属性信息组中的物品属性信息包括物品类型。

可选地，上述确定对应上述相似物品的第一备选物品集合和对应上述目标物品的第二备选物品集合，还包括：从上述物品属性信息组所包括的物品类型中选择物品类型与上述相似物品对应的物品类型相同的物品类型作为第一备选物品类型，得到第一备选物品类型集合；将上述第一备选物品类型集合中每个第一备选物品类型对应的物品确定为第一备选相似物品，得到第一备选相似物品集合；从上述物品属性信息组所包括的物品类型中选择物品类型与上述目标物品类型相同的物品类型作为第二备选物品类型，得到第二备选物品类型集合；将上述第二备选物品类型集合中每个第二备选物品类型对应的物品确定为第二备选相似物品，得到第二备选相似物品集合。

可选地，上述生成预设未来时间段内对应上述目标物品的第一销量预测量序列，包括：将上述相似物品历史销量序列中的每个相似物品历史销量与上述备选历史流转量的差值确定为差异值，得到差异值序列；将上述历史预测流转量和上述备选历史流转量的比值确定为拟合放缩系数；将上述差异值序列中的每个差异值与上述拟合放缩系数的乘积值确定为趋势拟合值，得到趋势拟合值序列；将上述趋势拟合值序列中的每个趋势拟合值与上述历史预测流转量的和确定为对应上述目标物品的第一销量预测量，得到第一销量预测量序列。

可选地，上述根据上述目标物品在第三历史时间段内的目标历史销量序列和上述第一销量预测量序列，生成目标销量调整预测量序列，包括：对上述第一销量预测量序列中的每个第一销量预测量进行调整处理以生成第一销量调整预测量，得到第一销量调整预测量序列；根据上述目标历史销量序列和上述第一销量调整预测量序列，生成目标销量调整预测量序列。

可选地，上述对上述第一销量预测量序列中的每个第一销量预测量进行调整处理以生成第一销量调整预测量，包括：对上述目标历史销量序列进行降序处理，得到目标历史销量降序序列；将上述目标历史销量降序序列的中位数确定为目标中位历史销量；对上述第一销量预测量序列进行降序处理，得到第一销量预测量降序序列；将上述第一销量预测量降序序列的中位数确定为第一中位销量预测量；将上述目标中位历史销量与上述第一中位销量预测量的比值确定为调整放缩系数；将上述第一销量预测量与上述调整放缩系数的乘积值确定为第一销量调整预测量。

可选地，上述根据上述目标历史销量序列和上述第一销量调整预测量序列，生成目标销量调整预测量序列，包括：根据上述目标历史销量序列，生成第二销量预测量序列；将上述第三历史时间段的时长与上述第一历史时间段的时长的比值确定为调和系数；将上述目标历史销量序列所包括的目标历史销量的数量确定为目标数量；从上述第一销量调整预测量序列中倒序选择出上述目标数量个第一销量调整预测量作为销量调整预测量序列；对上述销量调整预测量序列进行倒序排序，得到销量调整预测量倒序序列；根据上述销量调整预测量倒序序列中的每个销量调整预测量、上述第二销量预测量序列中对应上述销量调整预测量的第二销量预测量和上述调和系数，生成目标销量调整预测量，得到目标销量调整预测量序列。

可选地，上述方法还包括：根据上述目标销量调整预测量序列，控制相关联的车辆调度设备进行车辆调度。

第二方面，本公开的一些实施例提供了一种物品销量信息生成装置，装置包括：确定单元，被配置成查询目标物品的相似物品，确定对应上述相似物品的第一备选物品集合和对应上述目标物品的第二备选物品集合；第一生成单元，被配置成根据上述第一备选物品集合在第一历史时间段内的备选历史销量序列集和上述第二备选物品集合在第二历史时间段内的历史预测销量序列集，生成备选历史流转量和历史预测流转量；第二生成单元，被配置成根据上述备选历史流转量、上述历史预测流转量和上述相似物品在上述第一历史时间段内的相似物品历史销量序列，生成预设未来时间段内对应上述目标物品的第一销量预测量序列，其中，上述预设未来时间段的时长与上述第一历史时间段的时长相同；第三生成单元，被配置成根据上述目标物品在第三历史时间段内的目标历史销量序列和上述第一销量预测量序列，生成目标销量调整预测量序列。

可选地，确定单元进一步被配置成：获取上述目标物品的目标属性信息和预设的物品组中每个物品的物品属性信息，得到目标属性信息和物品属性信息组；对上述目标属性信息进行向量化处理以生成目标属性信息向量；对上述物品属性信息组中的每个物品属性信息进行向量化处理以生成物品属性信息向量，得到物品属性信息向量组；确定上述物品属性信息向量组中每个物品属性信息向量和上述目标属性信息向量的相似度，得到相似度组；将上述相似度组中相似度最大的相似度对应的物品确定为相似物品。

可选地，确定单元进一步被配置成：从上述物品属性信息组所包括的物品类型中选择物品类型与上述相似物品对应的物品类型相同的物品类型作为第一备选物品类型，得到第一备选物品类型集合；将上述第一备选物品类型集合中每个第一备选物品类型对应的物品确定为第一备选相似物品，得到第一备选相似物品集合；从上述物品属性信息组所包括的物品类型中选择物品类型与上述目标物品类型相同的物品类型作为第二备选物品类型，得到第二备选物品类型集合；将上述第二备选物品类型集合中每个第二备选物品类型对应的物品确定为第二备选相似物品，得到第二备选相似物品集合。

可选地，第二生成单元进一步被配置成：将上述相似物品历史销量序列中的每个相似物品历史销量与上述备选历史流转量的差值确定为差异值，得到差异值序列；将上述历史预测流转量和上述备选历史流转量的比值确定为拟合放缩系数；将上述差异值序列中的每个差异值与上述拟合放缩系数的乘积值确定为趋势拟合值，得到趋势拟合值序列；将上述趋势拟合值序列中的每个趋势拟合值与上述历史预测流转量的和确定为对应上述目标物品的第一销量预测量，得到第一销量预测量序列。

可选地，第三生成单元进一步被配置成：对上述第一销量预测量序列中的每个第一销量预测量进行调整处理以生成第一销量调整预测量，得到第一销量调整预测量序列；根据上述目标历史销量序列和上述第一销量调整预测量序列，生成目标销量调整预测量序列。

可选地，第三生成单元进一步被配置成：对上述目标历史销量序列进行降序处理，得到目标历史销量降序序列；将上述目标历史销量降序序列的中位数确定为目标中位历史销量；对上述第一销量预测量序列进行降序处理，得到第一销量预测量降序序列；将上述第一销量预测量降序序列的中位数确定为第一中位销量预测量；将上述目标中位历史销量与上述第一中位销量预测量的比值确定为调整放缩系数；将上述第一销量预测量与上述调整放缩系数的乘积值确定为第一销量调整预测量。

可选地，第三生成单元进一步被配置成：根据上述目标历史销量序列，生成第二销量预测量序列；将上述第三历史时间段的时长与上述第一历史时间段的时长的比值确定为调和系数；将上述目标历史销量序列所包括的目标历史销量的数量确定为目标数量；从上述第一销量调整预测量序列中倒序选择出上述目标数量个第一销量调整预测量作为销量调整预测量序列；对上述销量调整预测量序列进行倒序排序，得到销量调整预测量倒序序列；根据上述销量调整预测量倒序序列中的每个销量调整预测量、上述第二销量预测量序列中对应上述销量调整预测量的第二销量预测量和上述调和系数，生成目标销量调整预测量，得到目标销量调整预测量序列。

可选地，装置还包括：控制单元，被配置成根据上述目标销量调整预测量序列，控制相关联的车辆调度设备进行车辆调度。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，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上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的物品销量信息生成方法，使得所预测的物品的销量贴合于用户的实际需求量，降低了物品的损耗。具体来说，造成了物品的损耗的原因在于：所预测的销量与用户实际需求量存在较大差异，导致所预测的销量过多时，使得所生产的物品较多。基于此，本公开的一些实施例的物品销量信息生成方法，首先，查询目标物品的相似物品，确定对应上述相似物品的第一备选物品集合和对应上述目标物品的第二备选物品集合。由此，可以查找到与目标物品对应的相似物品以及备选物品，便于后续预测目标物品的销量。接着，根据上述第一备选物品集合在第一历史时间段内的备选历史销量序列集和上述第二备选物品集合在第二历史时间段内的历史预测销量序列集，生成备选历史流转量和历史预测流转量。由此，为后续预测目标物品的销量提供了数据支持。然后，根据上述备选历史流转量、上述历史预测流转量和上述相似物品在上述第一历史时间段内的相似物品历史销量序列，生成预设未来时间段内对应上述目标物品的第一销量预测量序列。由此，可以预测到目标物品在预设未来时间段的销量，便于控制生产物品的设备进行生产。最后，根据上述目标物品在第三历史时间段内的目标历史销量序列和上述第一销量预测量序列，生成目标销量调整预测量序列。由此，实现了对目标物品销量的滚动预测，使得所预测的物品的销量贴合于用户的实际需求量，避免了因物品生产过多，而造成的物品的损耗。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是本公开的一些实施例的物品销量信息生成方法的一个应用场景的示意图；

图2是根据本公开的物品销量信息生成方法的一些实施例的流程图；

图3是根据本公开的物品销量信息生成方法的另一些实施例的流程图；

图4是根据本公开的物品销量信息生成方法的又一些实施例的流程图；

图5是根据本公开的物品销量信息生成装置的一些实施例的结构示意图；

图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

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。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开一些实施例的物品销量信息生成方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以查询目标物品的相似物品，确定对应上述相似物品的第一备选物品集合102和对应上述目标物品的第二备选物品集合103。接着，计算设备101可以根据上述第一备选物品集合102在第一历史时间段内的备选历史销量序列集104和上述第二备选物品集合103在第二历史时间段内的历史预测销量序列集105，生成备选历史流转量106和历史预测流转量107。然后，计算设备101可以根据上述备选历史流转量106、上述历史预测流转量107和上述相似物品在上述第一历史时间段内的相似物品历史销量序列108，生成预设未来时间段内对应上述目标物品的第一销量预测量序列109。其中，上述预设未来时间段的时长与上述第一历史时间段的时长相同。最后，计算设备101可以根据上述目标物品在第三历史时间段内的目标历史销量序列110和上述第一销量预测量序列109，生成目标销量调整预测量序列111。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备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计算设备。

继续参考图2，示出了根据本公开的物品销量信息生成方法的一些实施例的流程200。该物品销量信息生成方法，包括以下步骤：

步骤201，查询目标物品的相似物品，确定对应上述相似物品的第一备选物品集合和对应上述目标物品的第二备选物品集合。

在一些实施例中，首先，物品销量信息生成方法的执行主体(例如图1所示的计算设备101)可以从存储了各个物品的物品信息集的终端设备中获取物品信息集。这里，物品信息集中的物品信息可以包括物品名称、物品类型和上架时长。接着，上述执行主体可以将物品信息集中包括物品名称和物品类型与上述目标物品的物品名称和物品类型相同的物品信息对应的物品确定为目标物品的相似物品。然后，可以将上述物品信息集所包括的物品类型中与上述相似物品的物品类型相同、且满足预设条件的各个物品信息所对应的各个物品确定为第一备选物品集合。这里，目标物品可以是待上架的物品。这里，预设条件可以是“物品信息包括的上架时长大于等于预设时长”。这里，对于预设时长的设定，不作限制。例如，预设时长可以是15天。最后，可以将上述物品信息集所包括的物品类型中与上述目标物品的物品类型相同的物品类型所对应的各个物品确定为第二备选物品集合。这里，物品信息集中的物品信息还可以包括颜色(物品的颜色)。

作为示例，物品信息集可以是：

{[物品名称：XX口红；物品类型：化妆品；上架时长：30天；颜色：番茄红]；

[物品名称：XY口红；物品类型：化妆品；上架时长：20天；颜色：豆沙色]；

[物品名称：ZY香水；物品类型：化妆品；上架时长：18天；气味：茉莉花香]；

[物品名称：YY香水；物品类型：化妆品；上架时长：35天；气味：茉莉花香]；

[物品名称：RY纸巾；物品类型：日用品；上架时长：20天；颜色：白色]}。

目标物品的物品信息可以是：[物品名称：XX口红；物品类型：化妆品；颜色：桃红色]。

从而，可以将物品信息集中包括物品名称和物品类型与上述目标物品的物品名称“XX口红”和物品类型“化妆品”相同的物品信息“[物品名称：XX口红；物品类型：化妆品；上架时长：30天；颜色：番茄红]”对应的物品“XX口红”确定为目标物品的相似物品。

可以将上述物品信息集所包括的物品类型中与上述相似物品的物品类型“化妆品”相同的物品类型所对应的各个物品“XX口红；XY口红；ZY香水；YY香水”确定为第一备选物品集合。

可以将上述物品信息集所包括的物品类型中与上述相似物品的物品类型“化妆品”相同、且上述物品信息集所包括的上架时长小于等于上述相似物品的上架时长“30天”的各个物品信息所对应的各个物品“XY口红；ZY香水”确定为第二备选物品集合。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤查询目标物品的相似物品，确定对应上述相似物品的第一备选物品集合和对应上述目标物品的第二备选物品集合：

第一步，可以通过有线连接或无线连接的方式从终端设备获取上述目标物品的目标属性信息和预设的物品组中每个物品的物品属性信息，得到目标属性信息和物品属性信息组。这里，物品属性信息组中的物品属性信息可以包括但不限于物品名称、物品类型、物品重量、颜色、气味、上架时长。目标属性信息可以包括但不限于物品名称、目标物品类型、物品重量、颜色、气味、上架时长。这里，目标物品类型可以是指目标物品的物品类型。

第二步，对上述目标属性信息进行向量化处理以生成目标属性信息向量。这里，可以通过独热编码的方式对上述目标属性信息进行向量化处理以生成目标属性信息向量。

第三步，对上述物品属性信息组中的每个物品属性信息进行向量化处理以生成物品属性信息向量，得到物品属性信息向量组。这里，可以通过独热编码的方式对物品属性信息进行向量化处理以生成物品属性信息向量。

第四步，确定上述物品属性信息向量组中每个物品属性信息向量和上述目标属性信息向量的相似度，得到相似度组。这里，可以通过余弦相似度公式确定上述物品属性信息向量组中每个物品属性信息向量和上述目标属性信息向量的相似度。

实践中，可以通过以下公式确定上述物品属性信息向量组中每个物品属性信息向量和上述目标属性信息向量的相似度：

其中，cos(θ)表示上述物品属性信息向量和上述目标属性信息向量的相似度。n表示上述物品属性信息向量所包括的维度下的数据的数量或上述目标属性信息向量所包括的维度下的数据的数量。X_i表示上述物品属性信息向量中第i维的数据。Y_i表示上述目标属性信息向量中第i维的数据。

第五步，将上述相似度组中相似度最大的相似度对应的物品确定为相似物品。

第六步，从上述物品属性信息组所包括的物品类型中选择物品类型与上述相似物品对应的物品类型相同的物品类型作为第一备选物品类型，得到第一备选物品类型集合。

第七步，将上述第一备选物品类型集合中每个第一备选物品类型对应的物品确定为第一备选相似物品，得到第一备选相似物品集合。

第八步，从上述物品属性信息组所包括的物品类型中选择物品类型与上述目标物品类型相同的物品类型作为第二备选物品类型，得到第二备选物品类型集合。

第九步，将上述第二备选物品类型集合中每个第二备选物品类型对应的物品确定为第二备选相似物品，得到第二备选相似物品集合。

由此，可以查找出与目标物品对应的相似物品以及备选物品，便于后续预测目标物品的销量。

步骤202，根据上述第一备选物品集合在第一历史时间段内的备选历史销量序列集和上述第二备选物品集合在第二历史时间段内的历史预测销量序列集，生成备选历史流转量和历史预测流转量。

在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取第一备选物品集合中每个第一备选物品在第一历史时间段内的备选历史销量序列，得到备选历史销量序列集。以及从上述终端设备中获取第二备选物品集合中每个第二备选物品在第二历史时间段内的历史预测销量序列，得到历史预测销量序列集。这里，第一历史时间段可以是预先设定的时间段。这里，第二历史时间段可以是预先设定的时间段，且第二历史时间段的时长小于第一历史时间段的时长。这里，备选历史流转量和历史预测流转量的取值可以保留整数。实践中，可以将备选历史销量序列集所包括的备选历史销量的平均值确定为备选历史流转量。可以将历史预测销量序列集所包括的历史预测销量的平均值确定为历史预测流转量。

作为示例，第一历史时间段可以是：2021/5/1-2021/5/5。第一备选物品集合可以是“XX口红；XY口红；ZY香水；YY香水”。可以获取到第一备选物品集合中第一备选物品“XX口红”在第一历史时间段“2021/5/1-2021/5/5”内的备选历史销量序列“50；60；65；58；57”。可以获取到第一备选物品集合中第一备选物品“XY口红”在第一历史时间段“2021/5/1-2021/5/5”内的备选历史销量序列“48；55；52；54；56”。可以获取到第一备选物品集合中第一备选物品“ZY香水”在第一历史时间段“2021/5/1-2021/5/5”内的备选历史销量序列“52；55；48；57；53”。可以获取到第一备选物品集合中第一备选物品“YY香水”在第一历史时间段“2021/5/1-2021/5/5”内的备选历史销量序列“45；56；44；50；55”。从而，得到备选历史销量序列集可以是“[50；60；65；58；57]；[48；55；52；54；56]；[52；55；48；57；53]；[52；55；48；57；53]”。可以将备选历史销量序列集所包括的备选历史销量的平均值“54”确定为备选历史流转量。

作为示例，第二历史时间段可以是：2021/5/1-2021/5/4。第二备选物品集合可以是“XY口红；ZY香水”。可以获取到第二备选物品集合中第二备选物品“XY口红”在第二历史时间段内的历史预测销量序列“54；56；55；58”。可以获取到第二备选物品集合中第二备选物品“ZY香水”在第二历史时间段内的历史预测销量序列“55；55；56；54”。从而，可以将历史预测销量序列集所包括的历史预测销量的平均值“55”确定为历史预测流转量。

步骤203，根据上述备选历史流转量、上述历史预测流转量和上述相似物品在上述第一历史时间段内的相似物品历史销量序列，生成预设未来时间段内对应上述目标物品的第一销量预测量序列。

在一些实施例中，首先，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取上述相似物品在上述第一历史时间段内的相似物品历史销量序列。接着，根据上述备选历史流转量、上述历史预测流转量和上述相似物品在上述第一历史时间段内的相似物品历史销量序列，上述执行主体可以通过以下步骤生成预设未来时间段内对应上述目标物品的第一销量预测量序列，其中，上述预设未来时间段的时长与上述第一历史时间段的时长相同。上述第一销量预测量序列通过以下步骤生成：

第一步，将上述历史预测流转量与上述备选历史流转量的差值确定为调整值。例如，可以将上述历史预测流转量“55”与上述备选历史流转量“54”的差值“1”确定为调整值。

第二步，将上述相似物品历史销量序列中的每个相似物品历史销量与上述调整值的和确定为第一销量预测量，得到第一销量预测量序列。

作为示例，相似物品历史销量序列可以是“50；60；65；58；57”。可以将相似物品历史销量“50”与上述调整值“1”的和确定为第一销量预测量“51”。可以将相似物品历史销量“60”与上述调整值“1”的和确定为第一销量预测量“61”。可以将相似物品历史销量“65”与上述调整值“1”的和确定为第一销量预测量“66”。可以将相似物品历史销量“58”与上述调整值“1”的和确定为第一销量预测量“59”。可以将相似物品历史销量“57”与上述调整值“1”的和确定为第一销量预测量“58”。从而，得到第一销量预测量序列“51；61；66；59；58”。

步骤204，根据上述目标物品在第三历史时间段内的目标历史销量序列和上述第一销量预测量序列，生成目标销量调整预测量序列。

在一些实施例中，这里，第三历史时间段的时长与第二历史时间段的时长相同。根据上述目标物品在第三历史时间段内的目标历史销量序列和上述第一销量预测量序列，上述执行主体可以通过以下步骤生成目标销量调整预测量序列：

第一步，将上述目标历史销量序列所包括的目标历史销量的平均值确定为目标历史销量均值。例如，目标历史销量序列可以是“52；53；54；55；56”。可以将上述目标历史销量序列“52；53；54；55；56”所包括的目标历史销量的平均值“54”确定为目标历史销量均值。

第二步，将上述第一销量预测量序列所包括的第一销量预测量的平均值确定为第一销量预测量均值。

第三步，将上述目标历史销量均值与上述第一销量预测量均值的比值确定为调整系数。

第四步，将上述第一销量预测量序列中的每一个第一销量预测量与上述调整系数的乘积值确定为第一销量调整预测量，得到第一销量调整预测量序列。

第五步，上述执行主体可以将上述目标历史销量序列输入至时间序列模型中，得到第二销量预测量序列。这里，时间序列模型可以是ARMA(Auto Regression MovingAverage，自回归移动平均)模型。

第六步，将上述目标历史销量序列所包括的目标历史销量的数量确定为目标数量。

第七步，从上述第一销量调整预测量序列中倒序选择出目标数量个第一销量调整预测量作为销量调整预测量序列。

第八步，对上述销量调整预测量序列进行倒序排序，得到销量调整预测量倒序序列。

第九步，对于上述第二销量预测量序列中的每个第二销量预测量，从上述销量调整预测量倒序序列选择出序号与上述第二销量预测量的序号相同的销量调整预测量，将上述第二销量预测量和上述销量调整预测量的平均值作为目标销量调整预测量。从而，得到目标销量调整预测量序列。

进一步参考图3，示出了根据本公开的物品销量信息生成方法的另一些实施例。该物品销量信息生成方法，包括以下步骤：

步骤301，查询目标物品的相似物品，确定对应上述相似物品的第一备选物品集合和对应上述目标物品的第二备选物品集合。

步骤302，根据上述第一备选物品集合在第一历史时间段内的备选历史销量序列集和上述第二备选物品集合在第二历史时间段内的历史预测销量序列集，生成备选历史流转量和历史预测流转量。

在一些实施例中，步骤301-302的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-202，在此不再赘述。

步骤303，根据上述备选历史流转量、上述历史预测流转量和上述相似物品在上述第一历史时间段内的相似物品历史销量序列，将相似物品历史销量序列中的每个相似物品历史销量与上述历史预测流转量的差值确定为差异值，得到差异值序列。

在一些实施例中，首先，上述执行主体可以通过有线连接或无线连接的方式从设备终端中获取上述相似物品在上述第一历史时间段内的相似物品历史销量序列。然后，可以将相似物品历史销量序列中的每个相似物品历史销量与上述备选历史流转量的差值确定为差异值，得到差异值序列。

作为示例，可以将上述相似物品历史销量与上述备选历史流转量输入至以下公式，以生成差异值：

gap＝y_sim-y_avg。

其中，gap表示差异值。y_sim表示上述相似物品历史销量。y_avg表示上述备选历史流转量。

步骤304，将上述历史预测流转量和上述备选历史流转量的比值确定为拟合放缩系数。

在一些实施例中，上述执行主体可以将上述历史预测流转量和上述备选历史流转量的比值确定为拟合放缩系数。

作为示例，可以将上述历史预测流转量和上述备选历史流转量输入至以下公式，以生成拟合放缩系数：

V＝y_new-y_avg。

其中，V表示拟合放缩系数。y_new表示上述历史预测流转量。y_avg表示上述备选历史流转量。

步骤305，将上述差异值序列中的每个差异值与上述拟合放缩系数的乘积值确定为趋势拟合值，得到趋势拟合值序列。

在一些实施例中，上述执行主体可以将上述差异值序列中的每个差异值与上述拟合放缩系数的乘积值确定为趋势拟合值，得到趋势拟合值序列。

作为示例，可以将上述差异值与上述拟合放缩系数输入至以下公式，以生成趋势拟合值：

gam＝gap×V。

其中，gam表示趋势拟合值。gap表示差异值。V表示拟合放缩系数。

步骤306，将上述趋势拟合值序列中的每个趋势拟合值与上述历史预测流转量的和确定为对应上述目标物品的第一销量预测量，得到第一销量预测量序列。

在一些实施例中，上述执行主体可以将上述趋势拟合值序列中的每个趋势拟合值与上述历史预测流转量的和确定为对应上述目标物品的第一销量预测量，得到第一销量预测量序列。

作为示例，可以将上述趋势拟合值与上述历史预测流转量输入至以下公式，以生成第一销量预测量：

y_n1＝y_new+gan。

其中，y_n1表示第一销量预测量。y_new表示上述历史预测流转量。gam表示趋势拟合值。

步骤307，根据上述目标物品在第三历史时间段内的目标历史销量序列和上述第一销量预测量序列，生成目标销量调整预测量序列。

在一些实施例中，步骤307的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤204，在此不再赘述。

从图3可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的流程300通过解析目标物品同类的相似物品和备选物品在上架后的销量趋势，以预测目标物品在未来时间段的销量。以便于控制生产物品的设备进行生产。

进一步参考图4，示出了根据本公开的物品销量信息生成方法的又一些实施例。该物品销量信息生成方法，包括以下步骤：

步骤401，查询目标物品的相似物品，确定对应上述相似物品的第一备选物品集合和对应上述目标物品的第二备选物品集合。

步骤402，根据上述第一备选物品集合在第一历史时间段内的备选历史销量序列集和上述第二备选物品集合在第二历史时间段内的历史预测销量序列集，生成备选历史流转量和历史预测流转量。

步骤403，根据上述备选历史流转量、上述历史预测流转量和上述相似物品在上述第一历史时间段内的相似物品历史销量序列，生成预设未来时间段内对应上述目标物品的第一销量预测量序列。

在一些实施例中，步骤401-403的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-203，在此不再赘述。

步骤404，根据目标历史销量序列，对上述第一销量预测量序列中的每个第一销量预测量进行调整处理以生成第一销量调整预测量，得到第一销量调整预测量序列。

在一些实施例中，物品销量信息生成方法的执行主体(例如图1所示的计算设备101)可以根据上述目标历史销量序列，对上述第一销量预测量序列中的每个第一销量预测量进行调整处理以生成第一销量调整预测量，得到第一销量调整预测量序列。

实践中，根据目标历史销量序列，上述执行主体可以通过以下步骤对上述第一销量预测量序列中的每个第一销量预测量进行调整处理以生成第一销量调整预测量：

第一步，对上述目标历史销量序列进行降序处理，得到目标历史销量降序序列。

第二步，将上述目标历史销量降序序列的中位数确定为目标中位历史销量。

第三步，对上述第一销量预测量序列进行降序处理，得到第一销量预测量降序序列。

第四步，将上述第一销量预测量降序序列的中位数确定为第一中位销量预测量。

这里，第二步和第四步选择中位数的目的是：避免取平均值时，某些极端值(最大值/最小值)的影响，使得所预测的销量存在较大误差。

第五步，将上述目标中位历史销量与上述第一中位销量预测量的比值确定为调整放缩系数。

作为示例，可以将上述目标中位历史销量与上述第一中位销量预测量输入至以下公式，以生成调整放缩系数：

V_t＝y_m/y_n。

其中，V_t表示调整放缩系数。y_m表示目标中位历史销量。y_n表示第一中位销量预测量。

第六步，将上述第一销量预测量与上述调整放缩系数的乘积值确定为第一销量调整预测量。

作为示例，可以将上述第一销量预测量与上述调整放缩系数输入至以下公式，以生成第一销量调整预测量：

y_t＝y_n1×V_t。

其中，y_t表示第一销量调整预测量。y_n1表示第一销量预测量。V_t表示调整放缩系数。

步骤405，根据上述目标历史销量序列和上述第一销量调整预测量序列，生成目标销量调整预测量序列。

在一些实施例中，根据上述目标历史销量序列和上述第一销量调整预测量序列，上述执行主体可以通过以下步骤目标销量调整预测量序列：

第一步，根据上述目标历史销量序列，生成第二销量预测量序列。这里，根据上述目标历史销量序列，可以通过三次指数平滑法生成第二销量预测量序列。

第二步，将上述第三历史时间段的时长与上述第一历史时间段的时长的比值确定为调和系数。

第三步，将上述目标历史销量序列所包括的目标历史销量的数量确定为目标数量。

第四步，从上述第一销量调整预测量序列中倒序选择出上述目标数量个第一销量调整预测量作为销量调整预测量序列。

第五步，对上述销量调整预测量序列进行倒序排序，得到销量调整预测量倒序序列。

第六步，根据上述销量调整预测量倒序序列中的每个销量调整预测量、上述第二销量预测量序列中对应上述销量调整预测量的第二销量预测量和上述调和系数，生成目标销量调整预测量，得到目标销量调整预测量序列。这里，上述第二销量预测量序列中对应上述销量调整预测量的第二销量预测量可以是指第二销量预测量序列中序号与上述销量调整预测量的序号相同的第二销量预测量。

实践中，可以通过以下公式，生成目标销量调整预测量：

Y_new＝(1-recon)×Y_forc1+recon×Y_forc2。

其中，Y_new表示目标销量调整预测量。recon表示上述调和系数。Y_forc1表示上述销量调整预测量。Y_forc2表示上述第二销量预测量。

步骤406，根据上述目标销量调整预测量序列，控制相关联的车辆调度设备进行车辆调度。

在一些实施例中，上述执行主体可以按照上述目标销量调整预测量序列所对应的时间段，对于每个时间节点的目标销量调整预测量，控制与上述执行主体通信连接的车辆调度设备以进行车辆的调度安排。例如，6.12号所预测的销量为100。由此，车辆调度设备“001”可以选择车辆“B”进行运输目标物品。

从图4可以看出，与图2对应的一些实施例的描述相比，图4对应的一些实施例中的流程400实现了根据目标物品上架后的真实历史销量，对所预测的销量的调整。另外，利用目标物品上架后的时长以及真实历史销量，对目标物品进行二次销量预测，再将第二销量预测量与销量调整预测量进行调和，以实现对目标物品的滚动预测。此外，根据上述目标销量调整预测量序列，控制相关联的车辆调度设备进行车辆调度。由此，可以根据目标销量调整预测量，安排合适的运输车辆，避免了车辆的反复调度。从而，有利于对物品进行有序运输，进而可以减少运输资源的浪费。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种物品销量信息生成装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，一些实施例的物品销量信息生成装置500包括：确定单元501、第一生成单元502、第二生成单元503、第三生成单元504和第四生成单元505。其中，确定单元501被配置成查询目标物品的相似物品，确定对应上述相似物品的第一备选物品集合和对应上述目标物品的第二备选物品集合；第一生成单元502被配置成根据上述第一备选物品集合在第一历史时间段内的备选历史销量序列集和上述第二备选物品集合在第二历史时间段内的历史预测销量序列集，生成备选历史流转量和历史预测流转量；第二生成单元503被配置成根据上述备选历史流转量、上述历史预测流转量和上述相似物品在上述第一历史时间段内的相似物品历史销量序列，生成预设未来时间段内对应上述目标物品的第一销量预测量序列，其中，上述预设未来时间段的时长与上述第一历史时间段的时长相同；第三生成单元504被配置成根据上述目标物品在第三历史时间段内的目标历史销量序列和上述第一销量预测量序列，生成目标销量调整预测量序列。

可选地，确定单元501进一步被配置成：获取上述目标物品的目标属性信息和预设的物品组中每个物品的物品属性信息，得到目标属性信息和物品属性信息组；对上述目标属性信息进行向量化处理以生成目标属性信息向量；对上述物品属性信息组中的每个物品属性信息进行向量化处理以生成物品属性信息向量，得到物品属性信息向量组；确定上述物品属性信息向量组中每个物品属性信息向量和上述目标属性信息向量的相似度，得到相似度组；将上述相似度组中相似度最大的相似度对应的物品确定为相似物品。

可选地，确定单元501进一步被配置成：从上述物品属性信息组所包括的物品类型中选择物品类型与上述相似物品对应的物品类型相同的物品类型作为第一备选物品类型，得到第一备选物品类型集合；将上述第一备选物品类型集合中每个第一备选物品类型对应的物品确定为第一备选相似物品，得到第一备选相似物品集合；从上述物品属性信息组所包括的物品类型中选择物品类型与上述目标物品类型相同的物品类型作为第二备选物品类型，得到第二备选物品类型集合；将上述第二备选物品类型集合中每个第二备选物品类型对应的物品确定为第二备选相似物品，得到第二备选相似物品集合。

可选地，第二生成单元503进一步被配置成：将上述相似物品历史销量序列中的每个相似物品历史销量与上述备选历史流转量的差值确定为差异值，得到差异值序列；将上述历史预测流转量和上述备选历史流转量的比值确定为拟合放缩系数；将上述差异值序列中的每个差异值与上述拟合放缩系数的乘积值确定为趋势拟合值，得到趋势拟合值序列；将上述趋势拟合值序列中的每个趋势拟合值与上述历史预测流转量的和确定为对应上述目标物品的第一销量预测量，得到第一销量预测量序列。

可选地，第三生成单元504进一步被配置成：对上述第一销量预测量序列中的每个第一销量预测量进行调整处理以生成第一销量调整预测量，得到第一销量调整预测量序列；根据上述目标历史销量序列和上述第一销量调整预测量序列，生成目标销量调整预测量序列。

可选地，第三生成单元504进一步被配置成：对上述目标历史销量序列进行降序处理，得到目标历史销量降序序列；将上述目标历史销量降序序列的中位数确定为目标中位历史销量；对上述第一销量预测量序列进行降序处理，得到第一销量预测量降序序列；将上述第一销量预测量降序序列的中位数确定为第一中位销量预测量；将上述目标中位历史销量与上述第一中位销量预测量的比值确定为调整放缩系数；将上述第一销量预测量与上述调整放缩系数的乘积值确定为第一销量调整预测量。

可选地，第三生成单元504进一步被配置成：根据上述目标历史销量序列，生成第二销量预测量序列；将上述第三历史时间段的时长与上述第一历史时间段的时长的比值确定为调和系数；将上述目标历史销量序列所包括的目标历史销量的数量确定为目标数量；从上述第一销量调整预测量序列中倒序选择出上述目标数量个第一销量调整预测量作为销量调整预测量序列；对上述销量调整预测量序列进行倒序排序，得到销量调整预测量倒序序列；根据上述销量调整预测量倒序序列中的每个销量调整预测量、上述第二销量预测量序列中对应上述销量调整预测量的第二销量预测量和上述调和系数，生成目标销量调整预测量，得到目标销量调整预测量序列。

可选地，装置500还包括：控制单元，被配置成根据上述目标销量调整预测量序列，控制相关联的车辆调度设备进行车辆调度。

可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。

下面参考图6，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)600的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)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装置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，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM602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。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，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，本公开的一些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。在这样的一些实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM602被安装。在该计算机程序被处理装置601执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载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。在本公开的一些实施例中，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。而在本公开的一些实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备查询目标物品的相似物品，确定对应上述相似物品的第一备选物品集合和对应上述目标物品的第二备选物品集合；根据上述第一备选物品集合在第一历史时间段内的备选历史销量序列集和上述第二备选物品集合在第二历史时间段内的历史预测销量序列集，生成备选历史流转量和历史预测流转量；根据上述备选历史流转量、上述历史预测流转量和上述相似物品在上述第一历史时间段内的相似物品历史销量序列，生成预设未来时间段内对应上述目标物品的第一销量预测量序列，其中，上述预设未来时间段的时长与上述第一历史时间段的时长相同；根据上述目标物品在第三历史时间段内的目标历史销量序列和上述第一销量预测量序列，生成目标销量调整预测量序列。

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公开的一些实施例的操作的计算机程序代码，上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，图示了按照本公开各种实施例的系统、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。

描述于本公开的一些实施例中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：一种处理器包括确定单元、第一生成单元、第二生成单元和第三生成单元。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，确定单元还可以被描述为“确定目标物品的相似物品，获取对应上述相似物品的第一备选物品集合和对应上述目标物品的第二备选物品集合的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些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，本公开的实施例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上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。例如上述特征与本公开的实施例中公开的(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

1.一种物品销量信息生成方法，包括：

查询目标物品的相似物品，确定对应所述相似物品的第一备选物品集合和对应所述目标物品的第二备选物品集合；

根据所述第一备选物品集合在第一历史时间段内的备选历史销量序列集和所述第二备选物品集合在第二历史时间段内的历史预测销量序列集，生成备选历史流转量和历史预测流转量；

根据所述备选历史流转量、所述历史预测流转量和所述相似物品在所述第一历史时间段内的相似物品历史销量序列，生成预设未来时间段内对应所述目标物品的第一销量预测量序列，其中，所述预设未来时间段的时长与所述第一历史时间段的时长相同；

根据所述目标物品在第三历史时间段内的目标历史销量序列和所述第一销量预测量序列，生成目标销量调整预测量序列。

2.根据权利要求1所述的方法，其中，所述确定对应所述相似物品的第一备选物品集合和对应所述目标物品的第二备选物品集合，包括：

获取所述目标物品的目标属性信息和预设的物品组中每个物品的物品属性信息，得到目标属性信息和物品属性信息组；

对所述目标属性信息进行向量化处理以生成目标属性信息向量；

对所述物品属性信息组中的每个物品属性信息进行向量化处理以生成物品属性信息向量，得到物品属性信息向量组；

确定所述物品属性信息向量组中每个物品属性信息向量和所述目标属性信息向量的相似度，得到相似度组；

将所述相似度组中相似度最大的相似度对应的物品确定为相似物品。

3.根据权利要求2所述的方法，其中，所述目标属性信息包括目标物品类型，所述物品属性信息组中的物品属性信息包括物品类型；以及

所述确定对应所述相似物品的第一备选物品集合和对应所述目标物品的第二备选物品集合，还包括：

从所述物品属性信息组所包括的物品类型中选择物品类型与所述相似物品对应的物品类型相同的物品类型作为第一备选物品类型，得到第一备选物品类型集合；

将所述第一备选物品类型集合中每个第一备选物品类型对应的物品确定为第一备选相似物品，得到第一备选相似物品集合；

从所述物品属性信息组所包括的物品类型中选择物品类型与所述目标物品类型相同的物品类型作为第二备选物品类型，得到第二备选物品类型集合；

将所述第二备选物品类型集合中每个第二备选物品类型对应的物品确定为第二备选相似物品，得到第二备选相似物品集合。

4.根据权利要求1所述的方法，其中，所述生成预设未来时间段内对应所述目标物品的第一销量预测量序列，包括：

将所述相似物品历史销量序列中的每个相似物品历史销量与所述备选历史流转量的差值确定为差异值，得到差异值序列；

将所述历史预测流转量和所述备选历史流转量的比值确定为拟合放缩系数；

将所述差异值序列中的每个差异值与所述拟合放缩系数的乘积值确定为趋势拟合值，得到趋势拟合值序列；

将所述趋势拟合值序列中的每个趋势拟合值与所述历史预测流转量的和确定为对应所述目标物品的第一销量预测量，得到第一销量预测量序列。

5.根据权利要求1所述的方法，其中，所述根据所述目标物品在第三历史时间段内的目标历史销量序列和所述第一销量预测量序列，生成目标销量调整预测量序列，包括：

根据所述目标历史销量序列，对所述第一销量预测量序列中的每个第一销量预测量进行调整处理以生成第一销量调整预测量，得到第一销量调整预测量序列；

根据所述目标历史销量序列和所述第一销量调整预测量序列，生成目标销量调整预测量序列。

6.根据权利要求5所述的方法，其中，所述对所述第一销量预测量序列中的每个第一销量预测量进行调整处理以生成第一销量调整预测量，包括：

对所述目标历史销量序列进行降序处理，得到目标历史销量降序序列；

将所述目标历史销量降序序列的中位数确定为目标中位历史销量；

对所述第一销量预测量序列进行降序处理，得到第一销量预测量降序序列；

将所述第一销量预测量降序序列的中位数确定为第一中位销量预测量；

将所述目标中位历史销量与所述第一中位销量预测量的比值确定为调整放缩系数；

将所述第一销量预测量与所述调整放缩系数的乘积值确定为第一销量调整预测量。

7.根据权利要求5所述的方法，其中，所述根据所述目标历史销量序列和所述第一销量调整预测量序列，生成目标销量调整预测量序列，包括：

根据所述目标历史销量序列，生成第二销量预测量序列；

将所述第三历史时间段的时长与所述第一历史时间段的时长的比值确定为调和系数；

将所述目标历史销量序列所包括的目标历史销量的数量确定为目标数量；

从所述第一销量调整预测量序列中倒序选择出所述目标数量个第一销量调整预测量作为销量调整预测量序列；

对所述销量调整预测量序列进行倒序排序，得到销量调整预测量倒序序列；

根据所述销量调整预测量倒序序列中的每个销量调整预测量、所述第二销量预测量序列中对应所述销量调整预测量的第二销量预测量和所述调和系数，生成目标销量调整预测量，得到目标销量调整预测量序列。

8.根据权利要求1所述的方法，其中，所述方法还包括：

根据所述目标销量调整预测量序列，控制相关联的车辆调度设备进行车辆调度。

9.一种物品销量信息生成装置，包括：

确定单元，被配置成查询目标物品的相似物品，确定对应所述相似物品的第一备选物品集合和对应所述目标物品的第二备选物品集合；

第一生成单元，被配置成根据所述第一备选物品集合在第一历史时间段内的备选历史销量序列集和所述第二备选物品集合在第二历史时间段内的历史预测销量序列集，生成备选历史流转量和历史预测流转量；

第二生成单元，被配置成根据所述备选历史流转量、所述历史预测流转量和所述相似物品在所述第一历史时间段内的相似物品历史销量序列，生成预设未来时间段内对应所述目标物品的第一销量预测量序列，其中，所述预设未来时间段的时长与所述第一历史时间段的时长相同；

第三生成单元，被配置成根据所述目标物品在第三历史时间段内的目标历史销量序列和所述第一销量预测量序列，生成目标销量调整预测量序列。

10.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

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1-8中任一所述的方法。

11.一种计算机可读介质，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1-8中任一所述的方法。