产品销量数据预测方法、装置、计算机设备和存储介质与流程

本技术涉及计算机，特别是涉及一种产品销量数据预测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、随着计算机技术的发展，出现了销量数据预测的技术，销量数据预测用于预测销量数据，在很多场景中需要预测销量数据，例如，通常在产品上线之前需要预测产品在上线后的销量数据，或者预测已上线的产品在未来的销量数据。

2、传统技术中，为了预测产品的销量数据，通过将待预测产品的基础数据、社群数据、衍生数据等与销量信息进行挂钩标注，将数据分别输入机器学习模型中，以进行销量数据的预测。

3、然而，对于中长期销量数据的预测，目前销量预测方法并不适合，导致销量数据预测的准确度较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提升销量数据预测的准确度的产品销量数据预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、一方面，本技术提供了一种产品销量数据预测方法，包括：获取数据项序列，所述数据项序列包括多个历史时段的数据项，所述历史时段的数据项，是根据预设产品类型的至少一个已上线产品在所述历史时段的销量相关数据获得的；将所述数据项序列进行切分得到多个子序列；针对每个所述子序列，根据所述子序列进行销量数据预测，得到所述预设产品类型的产品在多个观察时段的预测销量数据；每个所述子序列中不同的数据项，用于预测不同观察时段的预测销量数据；基于每个所述子序列分别预测出的多个观察时段的预测销量数据，生成所述预设产品类型的产品在观察时间范围的预测销量数据序列，所述观察时间范围包括各所述观察时段。

3、另一方面，本技术还提供了一种产品销量数据预测装置，包括：第一序列获取模块，用于获取数据项序列，所述数据项序列包括多个历史时段的数据项，所述历史时段的数据项，是根据预设产品类型的至少一个已上线产品在所述历史时段的销量相关数据获得的；第二序列获取模块，用于将所述数据项序列进行切分得到多个子序列；销量数据得到模块，用于针对每个所述子序列，根据所述子序列进行销量数据预测，得到所述预设产品类型的产品在多个观察时段的预测销量数据；每个所述子序列中不同的数据项，用于预测不同观察时段的预测销量数据；序列生成模块，用于基于每个所述子序列分别预测出的多个观察时段的预测销量数据，生成所述预设产品类型的产品在观察时间范围的预测销量数据序列，所述观察时间范围包括各所述观察时段。

4、在一些实施例中，所述第一序列获取模块，还用于：获取预设产品类型的多个已上线产品分别对应的销量相关数据序列；所述已上线产品对应的销量相关数据序列，包括所述已上线产品在多个历史时段的销量相关数据；对各所述销量相关数据序列中同一历史时段的销量相关数据进行统计，得到多个历史时段的统计项，并基于多个历史时段的统计项生成统计项序列；从所述统计项序列中获取数据项序列。

5、在一些实施例中，所述第一序列获取模块，还用于：根据待预测产品确定每个所述已上线产品的权重；所述待预测产品属于所述预设产品类型；按照每个所述已上线产品的权重，对各所述销量相关数据序列中同一历史时段的销量相关数据进行加权，得到多个历史时段的统计项；所述序列生成模块，还用于：基于每个所述子序列分别预测出的多个观察时段的预测销量数据，生成所述待预测产品在观察时间范围的预测销量数据序列。

6、在一些实施例中，所述销量相关数据包括销量数据；所述第一序列获取模块，还用于：对所述统计项序列的统计项中销量统计数据进行去噪，生成去噪统计项序列；所述统计项中销量统计数据，是对所述统计项对应的历史时段的销量数据进行统计得到的；从所述去噪统计项序列中获取数据项序列。

7、在一些实施例中，所述第二序列获取模块，还用于：将所述数据项序列输入到销量预测模型中，切分得到与所述销量预测模型中多个销量预测网络分别对应的子序列；所述销量数据得到模块，还用于：针对每个所述子序列，将所述子序列输入至对应的销量预测网络中，得到所述预设产品类型的产品在多个观察时段的预测销量数据。

8、在一些实施例中，所述装置还包括模型训练模块，所述模型训练模块，用于：获取预设产品类型的至少一个已上线产品的销量相关数据序列；所述已上线产品的销量相关数据序列，包括所述已上线产品在多个历史时段的销量相关数据；基于所述至少一个已上线产品的销量相关数据序列生成多个样本序列，获得样本序列集合；所述样本序列中包括至少两个历史时段分别对应的样本项，所述历史时段对应的样本项，根据至少一个所述销量相关数据序列中所述历史时段的销量相关数据获得；采用所述样本序列集合对销量预测模型进行训练。

9、在一些实施例中，所述模型训练模块，还用于：对各所述销量相关数据序列中同一历史时段的销量相关数据进行统计，得到多个历史时段的统计项；基于所述多个历史时段的统计项生成统计项序列；从所述统计项序列中获取多个样本序列，生成样本序列集合。

10、在一些实施例中，所述模型训练模块，还用于：对所述销量预测模型进行初步训练，以确定训练次数阈值；从所述样本序列集合中获取多个样本序列，得到第一子集合；在一次训练中，采用所述第一子集合对所述销量预测模型进行训练，并返回从所述样本序列集合中获取多个样本序列，得到第一子集合的步骤，直到训练次数达到所述训练次数阈值时停止训练。

11、在一些实施例中，所述模型训练模块，还用于：从所述样本序列集合中获取多个样本序列，得到第二子集合；所述第二子集合中包括的样本序列的数量，小于所述第一子集合中包括的样本序列的数量；在一次训练中，采用所述第二子集合对所述销量预测模型进行训练，并确定所述销量预测模型的模型评估值；在所述模型评估值未达到预设的评估阈值时，返回从所述样本序列集合中获取部分样本序列，得到第二子集合的步骤，直到所述模型评估值达到所述评估阈值时完成初步训练，确定已训练的次数得到训练次数阈值。

12、在一些实施例中，所述模型训练模块，还用于：针对所述第一子集合中每个样本序列，将所述样本序列分别输入至所述销量预测模型中，得到所述样本序列的预测序列，所述样本序列的预测序列包括多个不同时段的预测销量数据；基于所述样本序列的预测序列与所述样本序列的标签序列之间的差异，更新所述销量预测模型的参数。

13、在一些实施例中，所述模型训练模块，还用于：将所述样本序列输入至所述销量预测模型中，通过所述销量预测模型对所述样本序列进行切分，得到与所述销量预测模型中每个销量预测网络分别对应的子样本序列；针对每个所述子样本序列，将所述子样本序列输入到对应的销量预测网络中，得到所述子样本序列对应的子预测序列；子预测序列中包括多个时段的预测销量数据；基于各所述子样本序列分别对应的子预测序列，得到所述样本序列的预测序列。

14、在一些实施例中，所述销量预测网络包括隐藏层和卷积层；所述模型训练模块，还用于：将所述子样本序列中每个样本项，依次输入至对应的销量预测网络中，得到所述子样本序列中每个样本项的隐藏层输出特征；将所述子样本序列中每个样本项的隐藏层分别输出特征输入卷积层进行卷积，得到所述子样本序列中每个样本项对应的预测销量数据；每个所述样本项用于预测不同时段的预测销量数据；基于所述子样本序列中每个样本项对应的预测销量数据，得到所述子样本序列对应的子预测序列。

15、另一方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述产品销量数据预测方法中的步骤。

16、另一方面，本技术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，所述计算机程序被处理器执行时实现上述产品销量数据预测方法中的步骤。

17、另一方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述产品销量数据预测方法中的步骤。

18、上述产品销量数据预测方法、装置、计算机设备、存储介质和计算机程序产品，将数据项序列进行切分得到多个子序列，针对每个子序列，根据子序列进行销量数据预测，得到预设产品类型的产品在多个观察时段的预测销量数据，针对需要预测较长时间范围中各时段的销量数据的情况，采用切分为多个子序列并根据每个子序列进行预测的方法，可以使得预测更加准确，且由于历史时段的数据项，是根据预设产品类型的至少一个已上线产品在历史时段的销量相关数据获得的，提高了数据项序列的可靠性，进一步提高了销量数据预测的准确度。