(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210888541.7 (22)申请日 2022.07.27 (65)同一申请的已公布的文献号 申请公布号 CN 114971748 A (43)申请公布日 2022.08.30 (73)专利权人 阿里健康科技 （中国） 有限公司 地址 100102 北京市朝阳区望京东园四区7 号楼15层15 06室 (72)发明人 贾文笑　 (74)专利代理 机构 北京布瑞知识产权代理有限 公司 11505 专利代理师 仝丽 (51)Int.Cl. G06Q 30/02(2012.01) G06N 3/04(2006.01)(56)对比文件 CN 114565149 A,202 2.05.31 CN 112766619 A,2021.0 5.07 CN 111445134 A,2020.07.24 CN 110175637 A,2019.08.27 US 2022138537 A1,202 2.05.05 审查员 赵婷 (54)发明名称 预测数据生成、 模型训练方法、 计算机设备 以及存储介质 (57)摘要 本说明书实施方式提供一种预测数据生 成、 模型训练方法、 计算机设备 以及存储介质。 该方 法通过对目标对象在指定时间区间内历史销售 数据进行特征提取， 得到历史销售数据的时序特 征， 对历史销售数据中时间连续的部分销售数据 进行特征提取， 得到部分销售数据的局部特征， 通过时序特征反映特征维度上的时序数据在所 述指定时间区间内的时间依 赖关系， 通过局部特 征反映所述多个特征维度之间的关联关系， 实现 时间依赖 特征与变量关联特征的共同捕捉， 解决 了传统技术中销量预测模型的捕捉关联特征的 缺陷， 进一步地， 利用时序特征和局部特征共同 生成目标对象的销量预测数据， 提升销量预测结 果的准确性。 权利要求书2页 说明书13页 附图7页 CN 114971748 B 2022.11.01 CN 114971748 B 1.一种销量预测数据生成方法， 其特 征在于， 所述方法包括： 将目标对象在指定时间区间内历史销售数据输入至循环神经网络中， 得到时序特征； 其中， 所述历史销售数据具有多个特征维度； 所述历史销售数据包括所述多个特征维度上 的时序数据； 所述时序特征用于表征所述特征维度上的时序数据在所述指 定时间区间内的 时间依赖关系； 将所述历史销售数据中时间连续的部分销售数据输入至卷积神经网络中， 得到所述部 分销售数据的局部特 征； 其中， 所述局部特 征用于表征 所述多个特 征维度之间的关联关系； 基于所述时序特 征和所述局部特 征生成所述目标对象的销量预测数据。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述历史销售数据输入至循环神经 网络中， 得到所述时序特 征， 包括： 利用长短期记 忆网络对所述历史销售数据进行 特征提取， 得到隐层特 征矩阵； 利用权重参数矩阵在时间维度和特征维度 上对所述隐层特征矩阵进行加权处理， 得到 加权时序特 征； 利用所述特征维度上的第 一权重参数对所述加权时序特征进行加权处理， 得到所述 时 序特征。 3.根据权利要求1所述的方法， 其特征在于， 所述将所述部分销售数据输入至卷积神经 网络中， 得到所述局部特 征， 包括： 对所述部分销售数据进行一维卷积处 理， 得到所述部分销售数据的销售表征 特征； 基于所述部分销售数据对应的时间区间对所述销售表征特征进行池化处理， 得到关联 特征； 利用所述特征维度上的第 二权重参数对所述关联特征进行加权处理， 得到所述局部特 征。 4.根据权利要求1所述的方法， 其特征在于， 所述基于所述 时序特征和所述局部特征生 成所述目标对象的销量预测数据， 包括： 对所述时序特 征和所述局部特 征进行拼接， 得到所述历史销售数据的联合特 征； 将所述联合特 征输入至解码器中进行解码， 得到所述销量预测数据。 5.根据权利要求4所述的方法， 其特征在于， 所述解码器包括第 一解码单元和与所述第 一解码单元连接的第二解码单元； 所述第一解码单元对应未来已知的第一时间点， 所述第 二解码单元对应未来已知的第二时间点； 所述将所述联合特征输入至解码器中进行解码， 得到所述销量预测数据， 包括： 将所述联合特征与所述第一时间点对应的第一时间数据输入至所述第一解码单元进 行解码， 得到所述第一时间点上的销量预测数据； 将所述第一 时间点上的销量预测数据、 所述联合特征与 所述第二时间点对应的第 二时 间数据输入至所述第二 解码单元， 得到所述第二时间点上的销量预测数据。 6.根据权利要求1所述的方法， 其特 征在于， 所述历史销售数据的生成方式， 包括： 获取所述目标对象的初始历史销售数据； 其中， 所述初始历史销售数据包括所述多个 特征维度上的初始时序数据； 在检测到所述初始时序 数据中任意 时间点上存在异常的情况下， 利用目标数据替换存 在异常的时间点上的初始数据， 得到所述历史销售数据； 其中， 所述目标数据是由所述初始权　利　要　求　书 1/2 页 2 CN 114971748 B 2时序数据中指定百分位 点上的数据确定的。 7.一种销量预测模型训练方法， 其特 征在于， 所述方法包括： 构建针对目标对象的训练样本集； 其中， 所述训练样本集包括多个训练样本； 所述训练 样本采用所述目标对象在指定时间区间内历史销售数据； 所述历史销售数据具有多个特征 维度； 所述历史销售数据包括所述多个特 征维度上的时序数据； 利用所述训练样本集对初始预测模型进行训练， 得到销量预测模型； 其中， 所述销量预 测模型包括编 码器和解码 器； 其中， 所述编 码器包括并行的卷积神经网络和循环神经网络； 其中， 所述循环神经网络用于获取所述历史销售数据的时序特征； 所述卷积神经网络用于 根据所述历史销售数据中时间连续的部分销售数据， 得到所述部分销售数据的局部特征； 所述解码器， 用于基于所述时序特征和所述局部特征生成所述 目标对象的销量预测数据； 其中， 所述时序特征用于表征所述特征维度上的时序数据在所述指定时间区间内的时间依 赖关系； 所述局部特 征用于表征 所述多个特 征维度之间的关联关系。 8.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。 9.一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， 所述计算机程序被 处理器执行时实现权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114971748 B 3