CN114792258B - 信息生成方法、装置、电子设备和计算机可读介质 - Google Patents
信息生成方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN114792258B CN114792258B CN202210732361.XA CN202210732361A CN114792258B CN 114792258 B CN114792258 B CN 114792258B CN 202210732361 A CN202210732361 A CN 202210732361A CN 114792258 B CN114792258 B CN 114792258B
- Authority
- CN
- China
- Prior art keywords
- circulation information
- predicted
- article circulation
- article
- processing
- 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
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
- 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
-
- 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
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
本公开的实施例公开了信息生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列;对该待预测物品流转信息序列中的待预测物品流转信息和该参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列和第一次处理后参照物品流转信息序列;根据该第一次处理后待预测物品流转信息序列和该第一次处理后参照物品流转信息序列,生成预测差分结果;根据该预测差分结果,生成在目标时间内的、该待预测物品的预测物品流转信息。该实施方式可以准确、高效地生成待预测物品的预测物品流转信息。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及信息生成方法、装置、电子设备和计算机可读介质。
背景技术
目前,针对物品在目标时间内的物品流转信息预测,往往采用神经网络的方法来进行预测。其中,神经网络的预测方式往往需要大量的历史物品流转信息。对于历史物品流转信息量不足的目标物品来说,通常采用的方式为:首先,确定与上述目标物品的类目信息最为相似的物品。然后,利用最为相似物品的历史物品流转信息集,对目标物品对应历史物品流转信息集进行信息补充,得到补充后的历史物品流转信息集。最后,将补充后的历史物品流转信息集输入至神经网络,得到目标物品在上述目标时间内的物品流转信息。
然而,当采用上述方式来预测物品流转信息,经常会存在如下技术问题:
没有考虑最为相似物品与目标物品之间的数据量纲差异,和最为相似物品的历史物品流转信息集的周期信息,导致预测目标物品在上述目标时间内的物品流转信息的准确率较低。
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信息生成方法、装置、电子设备和计算机可读介质,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信息生成方法,包括:获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列,其中,上述参照物品的物品类别与上述待预测物品的物品类别存在关联关系;对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列和第一次处理后参照物品流转信息序列;根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,生成预测差分结果,其中,上述预测差分结果表征上述待预测物品的物品流转信息变化;根据上述预测差分结果,生成在目标时间内的、上述待预测物品的预测物品流转信息。
可选地,上述对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列和第一次处理后参照物品流转信息序列,包括:对于上述待预测物品流转信息序列中的每个待预测物品流转信息,执行第一处理步骤:响应于确定在上述待预测物品流转信息序列中上述待预测物品流转信息之前存在待预测物品流转信息,确定上述待预测物品流转信息与第一目标待预测物品流转信息之间的差值,作为第一差值,其中,上述第一目标待预测物品流转信息为上述待预测物品流转信息序列中的、排在上述待预测物品流转信息前一个的待预测物品流转信息;确定上述第一差值与上述第一目标待预测物品流转信息之间的比值,作为第一比值;将上述第一比值确定为第一次处理后待预测物品流转信息。
可选地,上述对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列和第一次处理后参照物品流转信息序列,还包括:对于上述参照物品流转信息序列中的每个参照物品流转信息,执行第二处理步骤:响应于确定在上述参照物品流转信息序列中上述参照物品流转信息之前存在参照物品流转信息,确定上述参照物品流转信息与第一目标参照物品流转信息之间的差值,作为第二差值,其中,上述第一目标参照物品流转信息为上述待预测物品流转信息序列中的、排于上述参照物品流转信息前一个的参照物品流转信息;确定上述第二差值与上述第一目标参照物品流转信息之间的比值,作为第二比值;将上述第二比值确定为第一次处理后参照物品流转信息。
可选地,上述对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列和第一次处理后参照物品流转信息序列,包括:对于上述待预测物品流转信息序列中的每个待预测物品流转信息,执行第三处理步骤:从上述待预测物品流转信息序列中筛选出满足预设条件的待预测物品流转信息,作为第二目标待预测物品流转信息;确定上述待预测物品流转信息与上述第二目标待预测物品流转信息之间的差值,作为第三差值;确定上述第三差值与上述第二目标待预测物品流转信息之间的比值,作为第三比值;将上述第三比值确定为第一次处理后待预测物品流转信息。
可选地,上述对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列和第一次处理后参照物品流转信息序列,还包括:对于上述参照物品流转信息序列中的每个参照物品流转信息,执行第四处理步骤:从上述参照物品流转信息序列中筛选出满足上述预设条件的参照物品流转信息,作为第二目标参照物品流转信息,其中,上述第二目标参照物品流转信息为上述参照物品流转信息序列中位于目标位置的参照物品流转信息;确定上述参照物品流转信息与上述第二目标参照物品流转信息之间的差值,作为第四差值;确定上述第四差值与上述第二目标参照物品流转信息之间的比值,作为第四比值;将上述第四比值确定为第一次处理后参照物品流转信息。
可选地,上述根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,生成预测差分结果,包括:设置周期参数,以及将上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列输入至预先训练的物品流转信息变化预测模型,以输出上述预测差分结果。
可选地,上述根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,生成预测差分结果,包括:对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行二次差分处理,得到第二次处理后待预测物品流转信息序列和第二次处理后参照物品流转信息序列;设置周期参数,以及将上述第一次处理后待预测物品流转信息序列、上述第一次处理后参照物品流转信息序列、上述第二次处理后待预测物品流转信息序列和上述第二次处理后参照物品流转信息序列输入至预先训练的物品流转信息预测模型,以输出上述预测差分结果。
可选地,上述根据上述预测差分结果,生成在目标时间内的、上述待预测物品的预测物品流转信息,包括:获取上述待预测物品流转信息序列中最后一个待预测物品流转信息;根据上述最后一个待预测物品流转信息和上述预测差分结果,生成上述预测物品流转信息。
可选地,上述根据上述预测差分结果,生成在目标时间内的、上述待预测物品的预测物品流转信息,包括:将上述预测差分结果与上述第二目标待预测物品流转信息进行相乘,得到相乘结果;将上述相乘结果与上述第二目标待预测物品流转信息进行相加,得到相加后结果;将上述相加后结果确定为上述预测物品流转信息。
第二方面,本公开的一些实施例提供了一种信息生成装置,包括:获取单元,被配置成获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列,其中,上述参照物品的物品类别与上述待预测物品的物品类别存在关联关系;差分处理单元,被配置成对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列和第一次处理后参照物品流转信息序列;第一生成单元,被配置成根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,生成预测差分结果,其中,上述预测差分结果表征上述待预测物品的物品流转信息变化;第二生成单元,被配置成根据上述预测差分结果,生成在目标时间内的、上述待预测物品的预测物品流转信息。
可选地,差分处理单元可以被配置成:对于上述待预测物品流转信息序列中的每个待预测物品流转信息,执行第一处理步骤:响应于确定在上述待预测物品流转信息序列中上述待预测物品流转信息之前存在待预测物品流转信息,确定上述待预测物品流转信息与第一目标待预测物品流转信息之间的差值,作为第一差值,其中,上述第一目标待预测物品流转信息为上述待预测物品流转信息序列中的、排在上述待预测物品流转信息前一个的待预测物品流转信息;确定上述第一差值与上述第一目标待预测物品流转信息之间的比值,作为第一比值;将上述第一比值确定为第一次处理后待预测物品流转信息。
可选地,差分处理单元可以被配置成:对于上述参照物品流转信息序列中的每个参照物品流转信息,执行第二处理步骤:响应于确定在上述参照物品流转信息序列中上述参照物品流转信息之前存在参照物品流转信息,确定上述参照物品流转信息与第一目标参照物品流转信息之间的差值,作为第二差值,其中,上述第一目标参照物品流转信息为上述待预测物品流转信息序列中的、排于上述参照物品流转信息前一个的参照物品流转信息;确定上述第二差值与上述第一目标参照物品流转信息之间的比值,作为第二比值;将上述第二比值确定为第一次处理后参照物品流转信息。
可选地,差分处理单元可以被配置成:对于上述待预测物品流转信息序列中的每个待预测物品流转信息,执行第三处理步骤:从上述待预测物品流转信息序列中筛选出满足预设条件的待预测物品流转信息,作为第二目标待预测物品流转信息;确定上述待预测物品流转信息与上述第二目标待预测物品流转信息之间的差值,作为第三差值;确定上述第三差值与上述第二目标待预测物品流转信息之间的比值,作为第三比值;将上述第三比值确定为第一次处理后待预测物品流转信息。
可选地,差分处理单元可以被配置成:对于上述参照物品流转信息序列中的每个参照物品流转信息,执行第四处理步骤:从上述参照物品流转信息序列中筛选出满足上述预设条件的参照物品流转信息,作为第二目标参照物品流转信息,其中,上述第二目标参照物品流转信息为上述参照物品流转信息序列中位于目标位置的参照物品流转信息;确定上述参照物品流转信息与上述第二目标参照物品流转信息之间的差值,作为第四差值;确定上述第四差值与上述第二目标参照物品流转信息之间的比值,作为第四比值;将上述第四比值确定为第一次处理后参照物品流转信息。
可选地,第一生成单元可以被配置成:设置周期参数,以及将上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列输入至预先训练的物品流转信息变化预测模型,以输出上述预测差分结果。
可选地,第一生成单元可以被配置成:对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行二次差分处理,得到第二次处理后待预测物品流转信息序列和第二次处理后参照物品流转信息序列;设置周期参数,以及将上述第一次处理后待预测物品流转信息序列、上述第一次处理后参照物品流转信息序列、上述第二次处理后待预测物品流转信息序列和上述第二次处理后参照物品流转信息序列输入至预先训练的物品流转信息预测模型,以输出上述预测差分结果。
可选地,第二生成单元可以被配置成:获取上述待预测物品流转信息序列中最后一个待预测物品流转信息;根据上述最后一个待预测物品流转信息和上述预测差分结果,生成上述预测物品流转信息。
可选地,第二生成单元可以被配置成:将上述预测差分结果与上述第二目标待预测物品流转信息进行相乘,得到相乘结果;将上述相乘结果与上述第二目标待预测物品流转信息进行相加,得到相加后结果;将上述相加后结果确定为上述预测物品流转信息。
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如第一方面中任一实现方式描述的方法。
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如第一方面中任一实现方式描述的方法。
本公开的上述各个实施例中具有如下有益效果:本公开的一些实施例的信息生成方法可以准确、高效地生成待预测物品的预测物品流转信息。具体来说,造成不能准确地生成待预测物品的预测物品流转信息的原因在于:没有考虑最为相似物品与目标物品之间的数据分布差异,和最为相似物品的历史物品流转信息集的周期信息,导致预测目标物品在上述目标时间内的物品流转信息的准确率较低。基于此,本公开的一些实施例的信息生成方法可以首先获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列,以用于后续数据支持。其中,上述参照物品的物品类别与上述待预测物品的物品类别存在关联关系。在这里,通过参照物品的参照物品流转信息序列来侧面辅助待预测物品的预测物品流转信息,可以较大程度缓轻了可能因待预测物品流转信息序列中待预测物品流转信息不足而出现的准确度不足的问题。然后,对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列和第一次处理后参照物品流转信息序列。在这里,通过差分处理,可以使得待预测物品流转信息序列和参照物品流转信息序列的信息分布更为相似,减少因信息分布差异导致的预测准确度较低。除此之外,通过差分处理,可以考虑待预测物品流转信息序列的待预测物品流转信息周期性信息和参照物品流转信息序列的参照物品流转信息序列周期性信息,使得预测更为精准。接着,根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,可以快捷、准确地生成预测差分结果。其中,上述预测差分结果表征上述待预测物品的物品流转信息变化。最后,根据上述预测差分结果,可以精准地生成在目标时间内的、上述待预测物品的预测物品流转信息。
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是根据本公开的一些实施例的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,电子设备101可以首先获取针对待预测物品102的待预测物品流转信息序列103和针对参照物品104的参照物品流转信息序列105。其中,上述参照物品104的物品类别与上述待预测物品102的物品类别存在关联关系。然后,电子设备101可以对上述待预测物品流转信息序列103中的待预测物品流转信息和上述参照物品流转信息序列105中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列106和第一次处理后参照物品流转信息序列107。进而,电子设备101可以根据上述第一次处理后待预测物品流转信息序列106和上述第一次处理后参照物品流转信息序列107,生成预测差分结果108。其中,上述预测差分结果108表征上述待预测物品102的物品流转信息变化。最后,电子设备101可以根据上述预测差分结果108,生成在目标时间内的、上述待预测物品102的预测物品流转信息109。
需要说明的是,上述电子设备101可以是硬件,也可以是软件。当电子设备为硬件时,可以实现成多个服务端或终端设备组成的分布式集群,也可以实现成单个服务端或单个终端设备。当电子设备体现为软件时,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中的电子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电子设备。
继续参考图2,示出了根据本公开的信息生成方法的一些实施例的流程200。该信息生成方法,包括以下步骤:
步骤201,获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列。
在一些实施例中,上述信息生成方法的执行主体(例如图1所示的电子设备)可以通过有线连接方式或者无线连接方式来获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列。其中,上述参照物品的物品类别与上述待预测物品的物品类别存在关联关系。待预测物品可以是待进行物品流转信息预测的物品。上述关联关系可以是待预测物品与上述参照物品的物品类别相同。上述待预测物品流转信息序列中待预测物品流转信息可以是待预测物品在某一时间段内的销量信息。上述参照物品流转信息序列中的参照物品流转信息可以是参照物品在某一时间段内的销量信息。上述时间段可以是预先设置的,例如,1天,1星期等等。
作为示例,上述待预测物品流转信息序列可以是待预测物品在1号到7号的数据序列。上述待预测物品流转信息序列可以是一年的数据序列。上述待预测物品可以是新发布的物品。上述参照物品可以是与待预测物品存在于同一三级类目下的物品。
可选地,上述参照物品流转信息序列的数量级可以是大于待预测物品流转信息序列的。
步骤202,对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列和第一次处理后参照物品流转信息序列。
在一些实施例中,上述执行主体可以对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列和第一次处理后参照物品流转信息序列。
作为示例,对于上述待预测物品流转信息序列中的每个待预测物品流转信息,上述执行主体可以执行第五处理步骤:
第一子步骤,响应于确定在上述待预测物品流转信息序列中上述待预测物品流转信息之前存在待预测物品流转信息,确定上述待预测物品流转信息与第一目标待预测物品流转信息之间的差值,作为第一差值。其中,上述第一目标待预测物品流转信息为上述待预测物品流转信息序列中的、排在上述待预测物品流转信息前一个的待预测物品流转信息。
作为示例,待预测物品流转信息序列为[3,4,6,8,9]。上述待预测物品流转信息为4。前一个的待预测物品流转信息为3。由此,可以得到第一差值为4-3=1。
第二子步骤,将上述第一差值确定为第一次处理后待预测物品流转信息。
除此之外,响应于确定在上述待预测物品流转信息序列中上述待预测物品流转信息之前不存在待预测物品流转信息,将上述待预测物品流转信息对应的第一差值确定为0。由此,可以得到第一次处理后待预测物品流转信息序列为:[0,1,2,2,1]。
作为示例,对于上述参照物品流转信息序列中的每个参照物品流转信息,上述执行主体可以执行第六处理步骤:
第一子步骤,响应于确定在上述参照物品流转信息序列中上述参照物品流转信息之前存在参照物品流转信息,确定上述参照物品流转信息与第一目标参照物品流转信息之间的差值,作为第二差值。其中,上述第一目标参照物品流转信息为上述待预测物品流转信息序列中的、排于上述参照物品流转信息前一个的参照物品流转信息。
作为示例,待预测物品流转信息序列为[1,2,17,19,22,35]。上述参照物品流转信息为17。前一个的参照物品流转信息为2。由此,可以得到第二差值为17-2=15。
第二子步骤,将上述第二差值确定为第一次处理后参照物品流转信息。
除此之外,响应于确定在上述参照物品流转信息序列中上述参照物品流转信息之前不存在参照物品流转信息,将上述参照物品流转信息对应的第一差值确定为0。由此,可以得到第一次处理后参照物品流转信息序列为:[0,1,15,2,3,12]。
步骤203,根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,生成预测差分结果。
在一些实施例中,上述执行主体可以根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,生成预测差分结果。其中,上述预测差分结果表征上述待预测物品的物品流转信息变化。其中,上述预测差分结果可以是与目标时间相对应的预测差分结果。
作为示例,上述待预测物品流转信息序列包括:1号对应的待预测物品流转信息,2号对应的待预测物品流转信息,3号对应的待预测物品流转信息,4号对应的待预测物品流转信息。上述第一次处理后待预测物品流转信息序列包括:1号对应的待预测物品流转信息差分结果,2号对应的待预测物品流转信息差分结果,3号对应的待预测物品流转信息差分结果,4号对应的待预测物品流转信息差分结果。上述参照物品流转信息序列为全年的参照物品流转信息。上述第一次处理后参照物品流转信息序列为全年对应的参照物品流转信息差分结果。上述预测差分结果可以是5号对应的待预测物品流转信息差分结果。即,上述执行主体根据1号对应的待预测物品流转信息差分结果,2号对应的待预测物品流转信息差分结果,3号对应的待预测物品流转信息差分结果,4号对应的待预测物品流转信息差分结果和全年对应的参照物品流转信息差分结果,来预测5号对应的待预测物品流转信息差分结果。
实践中,上述执行主体可以根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,通过相关数据分析算法来生成预测差分结果。
在一些实施例的一些可选的实现方式中,上述执行主体可以设置周期参数,以及将上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列输入至预先训练的物品流转信息变化预测模型,以输出上述预测差分结果。其中,上述物品流转信息变化预测模型可以是TwoStageTrAdaBoostR2模型。上述TwoStageTrAdaBoostR2模型对应的评价指标可以是对称平均绝对百分比误差(SMAPE,Symmetric Mean AbsolutePercentage Error)。
在这里,通过设置周期参数,可以让模型更快的学习到数据的周期信息。
在一些实施例的一些可选的实现方式中,上述根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,生成预测差分结果,可以包括以下步骤:
第一步,对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行二次差分处理,得到第二次处理后待预测物品流转信息序列和第二次处理后参照物品流转信息序列。
作为示例,上述执行主体可以对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行二阶差分处理,得到第二次处理后待预测物品流转信息序列和第二次处理后参照物品流转信息序列。
第二步,设置周期参数,以及将上述第一次处理后待预测物品流转信息序列、上述第一次处理后参照物品流转信息序列、上述第二次处理后待预测物品流转信息序列和上述第二次处理后参照物品流转信息序列输入至预先训练的物品流转信息预测模型,以输出上述预测差分结果。
在这里,通过设置周期参数,可以让模型更快的学习到数据的周期信息。
除此之外,将第二次处理后待预测物品流转信息序列和第二次处理后参照物品流转信息序列作为物品流转信息预测模型的输入,可以大大提高模型预测差分结果的准确度。
步骤204,根据上述预测差分结果,生成在目标时间内的、上述待预测物品的预测物品流转信息。
在一些实施例中,上述执行主体可以根据上述预测差分结果,生成在目标时间内的、上述待预测物品的预测物品流转信息。
作为示例,上述执行主体可以首先将预测差分结果与上述待预测物品流转信息序列中的最后一个待预测物品流转信息进行相加,以得到相加结果。最后,上述执行主体可以将上述相加结果确定为在目标时间内的、上述待预测物品的预测物品流转信息。
在一些实施例的一些可选的实现方式中,上述根据上述预测差分结果,生成在上述目标时间内的、上述待预测物品的预测物品流转信息,可以包括以下步骤:
第一步,上述执行主体可以通过有线方式或无线方式来获取上述待预测物品流转信息序列中最后一个待预测物品流转信息。
第二步,上述执行主体可以根据上述最后一个待预测物品流转信息和上述预测差分结果,生成上述预测物品流转信息。
作为示例,上述执行主体可以首先将预测差分结果乘以上述最后一个待预测物品流转信息,得到相乘结果。然后,上述执行主体可以将相乘结果与上述最后一个待预测物品流转信息进行相加,得到相加结果。最后,上述执行主体可以将相加结果确定为上述预测物品流转信息。
作为又一个示例,上述执行主体可以首先确定上述目标时间与上述最后一个待预测物品流转信息对应时间的差别。例如,目标时间为23日。最后一个待预测物品流转信息为20日。然后,上述执行主体可以根据最后一个待预测物品流转信息和预测差分结果,确定21日对应的待预测物品流转信息。接着,根据21日对应的待预测物品流转信息、待预测物品流转信息序列和参照物品流转信息序列,生成22日对应的预测差分结果。根据22日对应的预测差分结果和21日对应的待预测物品流转信息,可以得到22日对应的待预测物品流转信息。最后,同样的,可以得到23日对应的待预测物品流转信息。
在一些实施例的一些可选的实现方式中,上述根据上述预测差分结果,生成在上述目标时间内的、上述待预测物品的预测物品流转信息,包括:
第一步,上述执行主体可以将上述预测差分结果与上述第二目标待预测物品流转信息进行相乘,得到相乘结果。
第二步,上述执行主体可以将上述相乘结果与上述第二目标待预测物品流转信息进行相加,得到相加后结果。
第三步,上述执行主体可以将上述相加后结果确定为上述预测物品流转信息。
本公开的上述各个实施例中具有如下有益效果:本公开的一些实施例的信息生成方法可以准确、高效地生成待预测物品的预测物品流转信息。具体来说,造成不能准确地生成待预测物品的预测物品流转信息的原因在于:没有考虑最为相似物品与目标物品之间的数据分布差异,和最为相似物品的历史物品流转信息集的周期信息,导致预测目标物品在上述目标时间内的物品流转信息的准确率较低。基于此,本公开的一些实施例的信息生成方法可以首先获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列,以用于后续数据支持。其中,上述参照物品的物品类别与上述待预测物品的物品类别存在关联关系。在这里,通过参照物品的参照物品流转信息序列来侧面辅助待预测物品的预测物品流转信息,可以较大程度缓轻了可能因待预测物品流转信息序列中待预测物品流转信息不足而出现的准确度不足的问题。然后,对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列和第一次处理后参照物品流转信息序列。在这里,通过差分处理,可以使得待预测物品流转信息序列和参照物品流转信息序列的信息分布更为相似,减少因信息分布差异导致的预测准确度较低。除此之外,通过差分处理,可以考虑待预测物品流转信息序列的待预测物品流转信息周期性信息和参照物品流转信息序列的参照物品流转信息序列周期性信息,使得预测更为精准。接着,根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,可以快捷、准确地生成预测差分结果。其中,上述预测差分结果表征上述待预测物品的物品流转信息变化。最后,根据上述预测差分结果,可以精准地生成在目标时间内的、上述待预测物品的预测物品流转信息。
进一步参考图3,示出了根据本公开的信息生成方法的另一些实施例的流程300。该信息生成方法,包括以下步骤:
步骤301,获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列。
步骤302,对于上述待预测物品流转信息序列中的每个待预测物品流转信息,执行第一处理步骤。
步骤3021,响应于确定在上述待预测物品流转信息序列中上述待预测物品流转信息之前存在待预测物品流转信息,确定上述待预测物品流转信息与第一目标待预测物品流转信息之间的差值,作为第一差值。
在一些实施例中,响应于确定在上述待预测物品流转信息序列中上述待预测物品流转信息之前存在待预测物品流转信息,执行主体(例如图1所示的电子设备101)可以确定上述待预测物品流转信息与第一目标待预测物品流转信息之间的差值,作为第一差值。其中,上述第一目标待预测物品流转信息为上述待预测物品流转信息序列中的、排在上述待预测物品流转信息前一个的待预测物品流转信息。
作为示例,上述待预测物品流转信息序列为[2,4,5,7,9,22,34]。上述待预测物品流转信息为4。则,上述第一目标待预测物品流转信息为2。则,第一差值为4-2=2。
步骤3022,确定上述第一差值与上述第一目标待预测物品流转信息之间的比值,作为第一比值。
在一些实施例中,上述执行主体可以确定上述第一差值与上述第一目标待预测物品流转信息之间的比值,作为第一比值。
作为示例,上述第一差值为2。第一目标待预测物品流转信息为2,则第一比值为1。
步骤3023,将上述第一比值确定为第一次处理后待预测物品流转信息。
在一些实施例中,上述执行主体可以将上述第一比值确定为第一次处理后待预测物品流转信息。
步骤303,对于上述参照物品流转信息序列中的每个参照物品流转信息,执行第二处理步骤:
步骤3031,响应于确定在上述参照物品流转信息序列中上述参照物品流转信息之前存在参照物品流转信息,确定上述参照物品流转信息与第一目标参照物品流转信息之间的差值,作为第二差值。
在一些实施例中,响应于确定在上述参照物品流转信息序列中上述参照物品流转信息之前存在参照物品流转信息,上述执行主体可以确定上述参照物品流转信息与第一目标参照物品流转信息之间的差值,作为第二差值。其中,上述第一目标参照物品流转信息为上述待预测物品流转信息序列中的、排于上述参照物品流转信息前一个的参照物品流转信息。
作为示例,上述参照物品流转信息序列为[3,4,5,7,9,12,34,36,39,47,79]。上述参照物品流转信息为36。则,上述第一目标参照物品流转信息为34。则,第二差值为36-34=2。
步骤3032,确定上述第二差值与上述第一目标参照物品流转信息之间的比值,作为第二比值。
在一些实施例中,上述执行主体可以确定上述第二差值与上述第一目标参照物品流转信息之间的比值,作为第二比值。
作为示例,第二差值为2。第一目标参照物品流转信息为34。则,第二比值为1/17。
步骤3033,将上述第二比值确定为第一次处理后参照物品流转信息。
在一些实施例中,上述执行主体可以将上述第二比值确定为第一次处理后参照物品流转信息。
步骤304,根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,生成预测差分结果。
步骤305,根据上述预测差分结果,生成在目标时间内的、上述待预测物品的预测物品流转信息。
在一些实施例中,步骤301、304-305的具体实现及其所带来的技术效果,可以参考图2对应的实施例中的步骤201、203-204,在此不再赘述。
从图3中可以看出,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信息生成方法的流程300更加突出了第一次差分处理的具体步骤。由此,这些实施例描述的方案通过对待预测物品流转信息序列和参照物品流转信息序列进行差分处理,使得两者的数据量纲更为相似。除此之外,处理后的信息序列表现出了更强的周期性,可以大大提高后续模型预测的准确率。
进一步参考图4,示出了根据本公开的信息生成方法的另一些实施例的流程400。该信息生成方法,包括以下步骤:
步骤401,获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列。
步骤402,对于上述待预测物品流转信息序列中的每个待预测物品流转信息,执行第三处理步骤。
步骤4021,从上述待预测物品流转信息序列中筛选出满足预设条件的待预测物品流转信息,作为第二目标待预测物品流转信息。
在一些实施例中,执行主体(例如图1所示的电子设备101)可以从上述待预测物品流转信息序列中筛选出满足预设条件的待预测物品流转信息,作为第二目标待预测物品流转信息。其中,上述预设条件可以是待预测物品流转信息序列中的第一个待预测物品流转信息。还可以是待预测物品流转信息序列中预先确定的位于目标位置的待预测物品流转信息。
作为示例,待预测物品流转信息序列可以是[2,4,5,7,9,22,34]。上述第二目标待预测物品流转信息为2。
步骤4022,确定上述待预测物品流转信息与上述第二目标待预测物品流转信息之间的差值,作为第三差值。
在一些实施例中,上述执行主体可以确定上述待预测物品流转信息与上述第二目标待预测物品流转信息之间的差值,作为第三差值。
作为示例,待预测物品流转信息序列可以是[2,4,5,7,9,22,34]。上述第二目标待预测物品流转信息为2。上述待预测物品流转信息为9。则,第三差值为9-2=7。
步骤4023,确定上述第三差值与上述第二目标待预测物品流转信息之间的比值,作为第三比值。
作为示例,第三差值为7。第二目标待预测物品流转信息为2。则第三比值为3.5。
在一些实施例中,上述执行主体可以将上述第一比值确定为第一次处理后待预测物品流转信息。
步骤4024,将上述第三比值确定为第一次处理后待预测物品流转信息。
在一些实施例中,上述执行主体可以将上述第三比值确定为第一次处理后待预测物品流转信息。
步骤403,对于上述参照物品流转信息序列中的每个参照物品流转信息,执行第四处理步骤:
步骤4031,从上述参照物品流转信息序列中筛选出满足上述预设条件的参照物品流转信息,作为第二目标参照物品流转信息。
在一些实施例中,上述执行主体可以从上述参照物品流转信息序列中筛选出满足上述预设条件的参照物品流转信息,作为第二目标参照物品流转信息。上述预设条件可以是参照物品流转信息序列中的第一个参照物品流转信息。还可以是参照物品流转信息序列中预先确定的位于目标位置的参照物品流转信息。
作为示例,参照物品流转信息序列可以是[3,13,24,32,41,51,66,71]。上述第二目标待预测物品流转信息为3。
步骤4032,确定上述参照物品流转信息与上述第二目标参照物品流转信息之间的差值,作为第四差值。
在一些实施例中,上述执行主体可以确定上述参照物品流转信息与上述第二目标参照物品流转信息之间的差值,作为第四差值。
作为示例,参照物品流转信息可以是24。上述第二目标待预测物品流转信息为3。则上述第四差值可以是24-3=21。
步骤4033,确定上述第四差值与上述第二目标参照物品流转信息之间的比值,作为第四比值。
作为示例,上述第四差值为21。第二目标参照物品流转信息为3。则第四比值为7。
在一些实施例中,上述执行主体可以确定上述第四差值与上述第二目标参照物品流转信息之间的比值,作为第四比值。
步骤4034,将上述第四比值确定为第一次处理后参照物品流转信息。
在一些实施例中,上述执行主体可以将上述第四比值确定为第一次处理后参照物品流转信息。
步骤404,根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,生成预测差分结果。
步骤405,根据上述预测差分结果,生成在目标时间内的、上述待预测物品的预测物品流转信息。
在一些实施例中,步骤401、404-405的具体实现及其所带来的技术效果,可以参考图2对应的实施例中的步骤201、203-204,在此不再赘述。
从图4中可以看出,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信息生成方法的流程400更加突出了第一次差分处理的具体步骤。由此,这些实施例描述的方案通过对待预测物品流转信息序列和参照物品流转信息序列进行差分处理,使得两者的数据量纲更为相似。除此之外,处理后的信息序列表现出了更强的周期性,可以大大提高后续模型预测的准确率。
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,一种信息生成装置500包括:获取单元501、差分处理单元502、第一生成单元503和第二生成单元504。其中,获取单元501,被配置成获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列,其中,上述参照物品的物品类别与上述待预测物品的物品类别存在关联关系;差分处理单元502,被配置成对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列和第一次处理后参照物品流转信息序列;第一生成单元503,被配置成根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,生成预测差分结果,其中,上述预测差分结果表征上述待预测物品的物品流转信息变化;第二生成单元504,被配置成根据上述预测差分结果,生成在目标时间内的、上述待预测物品的预测物品流转信息。
在一些实施例的一些可选的实现方式中,上述差分处理单元502可以进一步被配置成:对于上述待预测物品流转信息序列中的每个待预测物品流转信息,执行第一处理步骤:响应于确定在上述待预测物品流转信息序列中上述待预测物品流转信息之前存在待预测物品流转信息,确定上述待预测物品流转信息与第一目标待预测物品流转信息之间的差值,作为第一差值,其中,上述第一目标待预测物品流转信息为上述待预测物品流转信息序列中的、排在上述待预测物品流转信息前一个的待预测物品流转信息;确定上述第一差值与上述第一目标待预测物品流转信息之间的比值,作为第一比值;将上述第一比值确定为第一次处理后待预测物品流转信息。
在一些实施例的一些可选的实现方式中,上述差分处理单元502可以进一步被配置成:对于上述参照物品流转信息序列中的每个参照物品流转信息,执行第二处理步骤:响应于确定在上述参照物品流转信息序列中上述参照物品流转信息之前存在参照物品流转信息,确定上述参照物品流转信息与第一目标参照物品流转信息之间的差值,作为第二差值,其中,上述第一目标参照物品流转信息为上述待预测物品流转信息序列中的、排于上述参照物品流转信息前一个的参照物品流转信息;确定上述第二差值与上述第一目标参照物品流转信息之间的比值,作为第二比值;将上述第二比值确定为第一次处理后参照物品流转信息。
在一些实施例的一些可选的实现方式中,上述差分处理单元502可以进一步被配置成:对于上述待预测物品流转信息序列中的每个待预测物品流转信息,执行第三处理步骤:从上述待预测物品流转信息序列中筛选出满足预设条件的待预测物品流转信息,作为第二目标待预测物品流转信息;确定上述待预测物品流转信息与上述第二目标待预测物品流转信息之间的差值,作为第三差值;确定上述第三差值与上述第二目标待预测物品流转信息之间的比值,作为第三比值;将上述第三比值确定为第一次处理后待预测物品流转信息。
在一些实施例的一些可选的实现方式中,上述差分处理单元502可以进一步被配置成:对于上述参照物品流转信息序列中的每个参照物品流转信息,执行第四处理步骤:从上述参照物品流转信息序列中筛选出满足上述预设条件的参照物品流转信息,作为第二目标参照物品流转信息,其中,上述第二目标参照物品流转信息为上述参照物品流转信息序列中位于目标位置的参照物品流转信息;确定上述参照物品流转信息与上述第二目标参照物品流转信息之间的差值,作为第四差值;确定上述第四差值与上述第二目标参照物品流转信息之间的比值,作为第四比值;将上述第四比值确定为第一次处理后参照物品流转信息。
在一些实施例的一些可选的实现方式中,上述第一生成单元503可以进一步被配置成:设置周期参数,以及将上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列输入至预先训练的物品流转信息变化预测模型,以输出上述预测差分结果。
在一些实施例的一些可选的实现方式中,上述第一生成单元503可以进一步被配置成:对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行二次差分处理,得到第二次处理后待预测物品流转信息序列和第二次处理后参照物品流转信息序列;设置周期参数,以及将上述第一次处理后待预测物品流转信息序列、上述第一次处理后参照物品流转信息序列、上述第二次处理后待预测物品流转信息序列和上述第二次处理后参照物品流转信息序列输入至预先训练的物品流转信息预测模型,以输出上述预测差分结果。
在一些实施例的一些可选的实现方式中,上述第二生成单元504可以进一步被配置成:获取上述待预测物品流转信息序列中最后一个待预测物品流转信息;根据上述最后一个待预测物品流转信息和上述预测差分结果,生成上述预测物品流转信息。
在一些实施例的一些可选的实现方式中,上述第二生成单元504可以进一步被配置成:将上述预测差分结果与上述第二目标待预测物品流转信息进行相乘,得到相乘结果;将上述相乘结果与上述第二目标待预测物品流转信息进行相加,得到相加后结果;将上述相加后结果确定为上述预测物品流转信息。
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中的电子设备101)600的结构示意图。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、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。
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ROM 602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上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、服务端可以利用诸如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:获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列,其中,上述参照物品的物品类别与上述待预测物品的物品类别存在关联关系;对上述待预测物品流转信息序列中的待预测物品流转信息和上述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列和第一次处理后参照物品流转信息序列;根据上述第一次处理后待预测物品流转信息序列和上述第一次处理后参照物品流转信息序列,生成预测差分结果,其中,上述预测差分结果表征上述待预测物品的物品流转信息变化;根据上述预测差分结果,生成在目标时间内的、上述待预测物品的预测物品流转信息。
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端上执行。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:一种处理器包括获取单元、差分处理单元、第一生成单元和第二生成单元。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,获取单元还可以被描述为“获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列的单元”。
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 (11)
1.一种信息生成方法,包括:
获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列,其中,所述参照物品的物品类别与所述待预测物品的物品类别存在关联关系;
对所述待预测物品流转信息序列中的待预测物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列,以及对所述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后参照物品流转信息序列;
根据所述第一次处理后待预测物品流转信息序列和所述第一次处理后参照物品流转信息序列,生成预测差分结果,其中,所述预测差分结果表征所述待预测物品的物品流转信息变化,
其中,根据所述第一次处理后待预测物品流转信息序列和所述第一次处理后参照物品流转信息序列,生成预测差分结果,包括:设置周期参数,以及将所述第一次处理后待预测物品流转信息序列和所述第一次处理后参照物品流转信息序列输入至预先训练的物品流转信息变化预测模型,以输出所述预测差分结果;
根据所述预测差分结果,生成在目标时间内的、所述待预测物品的预测物品流转信息。
2.根据权利要求1所述的方法,其中,所述对所述待预测物品流转信息序列中的待预测物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列,以及对所述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后参照物品流转信息序列,包括:
对于所述待预测物品流转信息序列中的每个待预测物品流转信息,执行第一处理步骤:
响应于确定在所述待预测物品流转信息序列中所述待预测物品流转信息之前存在其他待预测物品流转信息,确定所述待预测物品流转信息与第一目标待预测物品流转信息之间的差值,作为第一差值,其中,所述第一目标待预测物品流转信息为所述待预测物品流转信息序列中的、排在所述待预测物品流转信息前一个的其他待预测物品流转信息;
确定所述第一差值与所述第一目标待预测物品流转信息之间的比值,作为第一比值;
将所述第一比值确定为第一次处理后待预测物品流转信息。
3.根据权利要求2所述的方法,其中,所述对所述待预测物品流转信息序列中的待预测物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列,以及对所述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后参照物品流转信息序列,还包括:
对于所述参照物品流转信息序列中的每个参照物品流转信息,执行第二处理步骤:
响应于确定在所述参照物品流转信息序列中所述参照物品流转信息之前存在其他参照物品流转信息,确定所述参照物品流转信息与第一目标参照物品流转信息之间的差值,作为第二差值,其中,所述第一目标参照物品流转信息为所述参照物品流转信息序列中的、排于所述参照物品流转信息前一个的其他参照物品流转信息;
确定所述第二差值与所述第一目标参照物品流转信息之间的比值,作为第二比值;
将所述第二比值确定为第一次处理后参照物品流转信息。
4.根据权利要求1所述的方法,其中,所述对所述待预测物品流转信息序列中的待预测物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列,以及对所述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后参照物品流转信息序列,包括:
对于所述待预测物品流转信息序列中的每个待预测物品流转信息,执行第三处理步骤:
从所述待预测物品流转信息序列中筛选出满足预设条件的待预测物品流转信息,作为第二目标待预测物品流转信息;
确定所述待预测物品流转信息与所述第二目标待预测物品流转信息之间的差值,作为第三差值;
确定所述第三差值与所述第二目标待预测物品流转信息之间的比值,作为第三比值;
将所述第三比值确定为第一次处理后待预测物品流转信息。
5.根据权利要求4所述的方法,其中,所述对所述待预测物品流转信息序列中的待预测物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列,以及对所述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后参照物品流转信息序列,还包括:
对于所述参照物品流转信息序列中的每个参照物品流转信息,执行第四处理步骤:
从所述参照物品流转信息序列中筛选出满足所述预设条件的参照物品流转信息,作为第二目标参照物品流转信息;
确定所述参照物品流转信息与所述第二目标参照物品流转信息之间的差值,作为第四差值;
确定所述第四差值与所述第二目标参照物品流转信息之间的比值,作为第四比值;
将所述第四比值确定为第一次处理后参照物品流转信息。
6.根据权利要求1所述的方法,其中,所述根据所述第一次处理后待预测物品流转信息序列和所述第一次处理后参照物品流转信息序列,生成预测差分结果,包括:
对所述待预测物品流转信息序列中的待预测物品流转信息进行二次差分处理,得到第二次处理后待预测物品流转信息序列,以及对所述参照物品流转信息序列中的参照物品流转信息进行二次差分处理,得到第二次处理后参照物品流转信息序列;
设置周期参数,以及将所述第一次处理后待预测物品流转信息序列、所述第一次处理后参照物品流转信息序列、所述第二次处理后待预测物品流转信息序列和所述第二次处理后参照物品流转信息序列输入至预先训练的物品流转信息预测模型,以输出所述预测差分结果。
7.根据权利要求1所述的方法,其中,所述根据所述预测差分结果,生成在目标时间内的、所述待预测物品的预测物品流转信息,包括:
获取所述待预测物品流转信息序列中最后一个待预测物品流转信息;
根据所述最后一个待预测物品流转信息和所述预测差分结果,生成所述预测物品流转信息。
8.根据权利要求4所述的方法,其中,所述根据所述预测差分结果,生成在目标时间内的、所述待预测物品的预测物品流转信息,包括:
将所述预测差分结果与所述第二目标待预测物品流转信息进行相乘,得到相乘结果;
将所述相乘结果与所述第二目标待预测物品流转信息进行相加,得到相加后结果;
将所述相加后结果确定为所述预测物品流转信息。
9.一种信息生成装置,包括:
获取单元,被配置成获取针对待预测物品的待预测物品流转信息序列和针对参照物品的参照物品流转信息序列,其中,所述参照物品的物品类别与所述待预测物品的物品类别存在关联关系;
差分处理单元,被配置成对所述待预测物品流转信息序列中的待预测物品流转信息进行一次差分处理,得到第一次处理后待预测物品流转信息序列,以及对所述参照物品流转信息序列中的参照物品流转信息进行一次差分处理,得到第一次处理后参照物品流转信息序列;
第一生成单元,被配置成根据所述第一次处理后待预测物品流转信息序列和所述第一次处理后参照物品流转信息序列,生成预测差分结果,其中,所述预测差分结果表征所述待预测物品的物品流转信息变化,
其中,根据所述第一次处理后待预测物品流转信息序列和所述第一次处理后参照物品流转信息序列,生成预测差分结果,包括:设置周期参数,以及将所述第一次处理后待预测物品流转信息序列和所述第一次处理后参照物品流转信息序列输入至预先训练的物品流转信息变化预测模型,以输出所述预测差分结果;
第二生成单元,被配置成根据所述预测差分结果,生成在目标时间内的、所述待预测物品的预测物品流转信息。
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210732361.XA CN114792258B (zh) | 2022-06-27 | 2022-06-27 | 信息生成方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210732361.XA CN114792258B (zh) | 2022-06-27 | 2022-06-27 | 信息生成方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114792258A CN114792258A (zh) | 2022-07-26 |
CN114792258B true CN114792258B (zh) | 2022-12-27 |
Family
ID=82463686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210732361.XA Active CN114792258B (zh) | 2022-06-27 | 2022-06-27 | 信息生成方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114792258B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948773A (zh) * | 2017-12-20 | 2019-06-28 | 北京京东尚科信息技术有限公司 | 生成信息的方法和装置 |
CN114429365A (zh) * | 2022-01-12 | 2022-05-03 | 北京京东振世信息技术有限公司 | 物品销量信息生成方法、装置、电子设备和计算机介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7039559B2 (en) * | 2003-03-10 | 2006-05-02 | International Business Machines Corporation | Methods and apparatus for performing adaptive and robust prediction |
CN109118013A (zh) * | 2018-08-29 | 2019-01-01 | 黑龙江工业学院 | 一种基于神经网络的经营数据预测方法、可读存储介质和预测系统 |
CN113408797B (zh) * | 2021-06-07 | 2023-09-26 | 北京京东振世信息技术有限公司 | 流转量预测多时序模型生成方法、信息发送方法和装置 |
CN113596530A (zh) * | 2021-07-23 | 2021-11-02 | 北京沃东天骏信息技术有限公司 | 用于流转数据的方法及装置 |
CN113837806A (zh) * | 2021-09-26 | 2021-12-24 | 北京房江湖科技有限公司 | 产品流转量预测方法、装置、电子设备和存储介质 |
CN114004425B (zh) * | 2021-12-29 | 2022-06-07 | 北京京东振世信息技术有限公司 | 物品流转信息预测模型生成方法、信息生成方法、装置 |
-
2022
- 2022-06-27 CN CN202210732361.XA patent/CN114792258B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948773A (zh) * | 2017-12-20 | 2019-06-28 | 北京京东尚科信息技术有限公司 | 生成信息的方法和装置 |
CN114429365A (zh) * | 2022-01-12 | 2022-05-03 | 北京京东振世信息技术有限公司 | 物品销量信息生成方法、装置、电子设备和计算机介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114792258A (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114004425B (zh) | 物品流转信息预测模型生成方法、信息生成方法、装置 | |
CN115062877B (zh) | 电力设备材料信息调整方法、装置、设备和计算机介质 | |
CN112035753A (zh) | 推荐页面生成方法、装置、电子设备和计算机可读介质 | |
CN114049072B (zh) | 指标确定方法、装置、电子设备和计算机可读介质 | |
CN115357350A (zh) | 任务配置方法、装置、电子设备和计算机可读介质 | |
CN114780338A (zh) | 主机信息处理方法、装置、电子设备和计算机可读介质 | |
CN111932348B (zh) | 针对异常订单的报警方法、装置、电子设备和可读介质 | |
CN117035842A (zh) | 模型训练方法、业务量预测方法、装置、设备和介质 | |
CN116388112B (zh) | 异常供应端断电方法、装置、电子设备和计算机可读介质 | |
CN110347973B (zh) | 用于生成信息的方法和装置 | |
CN114792258B (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN111985967A (zh) | 物品信息生成方法、装置、电子设备和计算机可读介质 | |
CN116800834B (zh) | 虚拟礼物合并方法、装置、电子设备和计算机可读介质 | |
CN111949938B (zh) | 异动信息的确定方法、装置、电子设备和计算机可读介质 | |
CN115328811B (zh) | 用于工控网络仿真的程序语句测试方法、装置、电子设备 | |
CN112328340B (zh) | 模型流程显示方法,装置,电子设备及存储介质 | |
CN112073202B (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN112328341B (zh) | 模型显示方法,装置,电子设备及存储介质 | |
CN116862319B (zh) | 电力指标信息生成方法、装置、电子设备和介质 | |
CN117876091A (zh) | 信息发送方法、装置、电子设备和计算机可读介质 | |
CN118052509A (zh) | 库存信息生成方法、装置、电子设备和计算机可读介质 | |
WO2023155425A1 (zh) | 调货方法、装置、电子设备和计算机可读介质 | |
CN116205572A (zh) | 缓冲库存信息生成方法、装置、设备和计算机可读介质 | |
CN118095512A (zh) | 调整信息生成方法、装置、电子设备和计算机可读介质 | |
CN115310892A (zh) | 库存信息处理方法、装置、电子设备和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |