(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210386782.1 (22)申请日 2022.04.12 (71)申请人 北京京东尚科信息技 术有限公司 地址 100086 北京市海淀区知春路76号8层 100086 (72)发明人 赵启航　刘君亮　王答明　易津锋　 把文文　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 孙蕾 (51)Int.Cl. G06Q 30/02(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06F 40/30(2020.01)G06F 16/28(2019.01) (54)发明名称 物品销量预测模 型训练方法、 物品销量预测 方法及装置 (57)摘要 本公开提供了一种物品销量预测模型训练 方法， 可应用于数字营销技术领域， 该方法包括： 从历史操作数据中获取预设时间段内预设物品 字典中的多个预设物品的操作记录； 基于操作记 录训练初始语义模型， 得到语义分析模型； 对于 每个预设物品， 基于语义分析模 型的目标权重矩 阵和由多个预设物品的多个特征向量组成的物 品特征矩阵， 生成预设物品的聚合特征向量； 以 及以多个预设物品的聚合特征向量作为训练样 本， 预设物品在预设时间段内的销量作为训练标 签来训练初始网络模型， 得到销量预测模型。 此 外， 本公开还提供了一种物品销量预测模型训练 装置、 物品销量预测方法、 物品销量预测装置、 电 子设备和存 储介质。 权利要求书3页 说明书14页 附图7页 CN 114757700 A 2022.07.15 CN 114757700 A 1.一种物品销量预测模型训练方法， 其中， 物品销量预测模型包括语义分析模型和销 量预测模型， 所述方法包括： 从历史操作数据中获取 预设时间段内预设物品字典中的多个预设物品的操作记录； 基于所述操作记录训练初始语义模型， 得到所述语义分析模型； 对于每个所述预设物品， 基于所述语义分析模型的目标权重矩阵和由多个所述预设物 品的多个特 征向量组成的物品特 征矩阵， 生成所述预设物品的聚合特 征向量； 以及 以多个所述预设物品的聚合特征向量作为训练样本， 所述预设物品在所述预设时间段 内的销量作为训练标签来训练初始网络模型， 得到所述销量预测模型。 2.根据权利要求1所述的方法， 其中， 所述基于所述操作记录训练初始语义模型， 得到 所述语义分析模型， 包括： 基于所述操作记录， 生成分别对应于每位用户的多条操作序列； 对于每条所述操作序列， 基于所述操作序列中所述预设物品的排列顺序， 生成相似物 品矩阵； 以及 以多个所述操作序列作为训练样本， 与 所述操作序列对应的相似物品矩阵作为训练标 签来训练所述初始语义模型， 得到所述语义分析模型。 3.根据权利要求2所述的方法， 其中， 所述初始语义模型包括第一输入层、 第一 隐藏层 和第一输出层， 其中， 所述第一输入层到所述第一隐藏层之间具有第一权重矩阵， 所述第一 隐藏层到所述第一输出层之间具有第二权 重矩阵。 4.根据权利要求3所述的方法， 其中， 所述以多个所述操作序列作为训练样本， 与所述 操作序列对应的相似物品矩阵作为训练标签来训练所述初始语义模型， 包括： 基于所述预设物品字典， 将所述操作序列转换为多个解释向量； 将所述相似物品矩阵按列进行拆分， 得到多个标签向量， 其中， 所述标签向量与所述解 释向量一一对应； 对于每个所述解释向量， 将所述 解释向量输入所述初始语义模型中， 得到 输出向量； 基于所述输出向量和与所述解释向量对应的所述标签向量， 计算得到第一损 失值； 以 及 基于与预设数量的所述操作序列对应的多个所述第一损失值调整所述第一权重矩阵 和所述第二权 重矩阵。 5.根据权利要求1所述的方法， 其中， 所述语义分析模型包括第二输入层、 第二 隐藏层 和第二输出层， 其中， 所述 目标权重矩阵表征为所述第二输入层到所述第二隐藏层之间的 权重矩阵。 6.根据权利要求5所述的方法， 其中， 所述对于每个所述预设物品， 基于所述语义分析 模型的目标权重矩阵和由多个所述预设物品的多个特征向量组成的物品特征矩阵， 生成所 述预设物品的聚合特 征向量， 包括： 随机生成第三权 重矩阵和第四权 重矩阵； 使用所述物品特征矩阵分别和所述第 三权重矩阵和所述第四权重矩阵进行矩阵运算， 得到第一特 征矩阵和第二特 征矩阵； 基于所述预设物品字典， 从所述目标权重矩阵中确定与所述预设物品对应的权重向 量； 以及权　利　要　求　书 1/3 页 2 CN 114757700 A 2基于所述权重向量、 所述第一特征矩阵和所述第二特征矩阵来生成所述聚合特征向 量。 7.根据权利要求6所述的方法， 其中， 所述以多个所述预设物品的聚合特征向量作为训 练样本， 所述预设物品在所述预设时间段内的销量作为训练标签来训练初始网络模型， 包 括： 对于每个所述聚合特征向量， 将所述聚合特征向量输入到所述初始网络模型中， 得到 网络输出值； 基于所述网络输出值和与 所述聚合特征向量对应的所述预设物品的销量， 计算得到第 二损失值； 以及 基于多个所述第二损失值调整所述初始网络模型的模型参数。 8.根据权利要求7 所述的方法， 还 包括： 基于多个所述第二损 失值， 调整所述第三权重矩阵和所述第 四权重矩阵， 以便于在对 所述初始网络模型进 行下一轮训练之前， 基于调整后的第三权重矩阵和调整后的第四权重 矩阵生成调整后的聚合特征向量， 并使用多个所述调整后的聚合特征向量作为训练样本来 训练所述初始网络模型。 9.一种利用根据权利要求1～8中任一项所述的方法训练得到的物品销量预测模型实 现的物品销量预测方法， 包括： 从所述物品销量预测模型中的语义分析模型中获取目标权 重矩阵； 基于预设物品字典， 从所述目标权 重矩阵中确定与目标物品对应的目标权 重向量； 基于所述预设物品字典中多个预设物品的特 征向量， 构建物品特 征矩阵； 基于所述目标权重向量和所述特征矩阵， 计算得到所述目标物品的目标聚合特征向 量； 将所述目标聚合特征向量输入所述物品销量预测模型中的销量预测模型中， 得到预设 时间段内所述目标物品的预测销量。 10.一种物品销量预测模型训练装置， 其中， 物品销量预测模型包括语义分析模型和销 量预测模型， 所述装置包括： 第一获取模块， 用于从历史操作 数据中获取预设时间段内预设物品字典中的多个预设 物品的操作记录； 第一训练模块， 用于基于所述操作记录训练初始语义模型， 得到所述语义分析模型； 生成模块， 用于对于每个所述预设物品， 基于所述语义分析模型的目标权重矩阵和由 多个所述预设物品的多个特征向量组成的物品特征矩阵， 生成所述预设物品的聚合特征向 量； 以及 第二训练模块， 用于以多个所述预设物品的聚合特征向量作为训练样本， 所述预设物 品在所述预设时间段内的销量作为训练标签来训练初始网络模型， 得到所述销量预测模 型。 11.一种物品销量预测装置， 包括： 第二获取模块， 用于从所述物品销量预测模型中的语义分析模型中获取目标权重矩 阵； 确定模块， 用于基于预设物品字典， 从所述目标权重矩阵中确定与目标物品对应的目权　利　要　求　书 2/3 页 3 CN 114757700 A 3