(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 202211269181.9 (22)申请日 2022.10.17 (71)申请人 深圳市秦丝科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道科技园社区科技路1号桑达科技大 厦5楼 (72)发明人 刘勇　 (74)专利代理 机构 深圳市成为知识产权代理事 务所(普通 合伙) 44704 专利代理师 陈浩 (51)Int.Cl. G06Q 30/02(2012.01) G06F 40/289(2020.01) (54)发明名称 基于市场先验大数据的产品采购方法、 装 置、 设备及 介质 (57)摘要 本发明涉及人工智能技术， 揭露了一种基于 市场先验大数据的产品采购方法， 包括： 获取预 设产品集中每个产品的历史销量数据以及销量 影响因子， 对历史销量数据和销量影 响因子进行 时序关联存储， 得到先验数据表； 根据先验数据 表统计不同时间段内每个产品的区间销量， 并根 据区间销量在不同时间段内的分布进行曲线拟 合， 得到先验曲线； 根据先验数据表计算销量影 响因子的因子变化率， 根据因子变化率生成伪随 机因子函数； 利用先验曲线与伪随机因子函数计 算预设产品集中每个产品的当前分布权重； 根据 当前分布权重生成预设产品集的采购方案。 本发 明还提出一种基于市场先验大数据的产品采购 装置、 电子设备以及存储介质。 本发明可 以提高 产品采购的准确性。 权利要求书4页 说明书12页 附图3页 CN 115423535 A 2022.12.02 CN 115423535 A 1.一种基于市场先验大 数据的产品采购方法， 其特 征在于， 所述方法包括： S1： 获取预设产品集中每个产品的历史销量数据以及销量影响因子， 对所述历史销量 数据和所述销量影响因子进行时序关联存 储， 得到先验数据表； S2： 根据所述先验数据表统计不同时间段内每个产品的区间销量， 并根据所述区间销 量在不同时间段内的分布进行曲线拟合， 得到先验曲线， 其中， 所述根据所述区间销量在不 同时间段内的分布进行曲线拟合， 得到先验曲线， 包括： S21： 根据 所述区间销量的时域窗口以及所述销量影响因子创建初级销量拟合曲线， 其 中所述初级销量拟合曲线如下： 其中， 是指所述初级销量拟合曲线所对应的预测区间销量， 是指所述初级销量拟合 曲线中的时域窗口对应时间段， 、 、 是所述销量影响因子， 是所述初级销量拟合曲线的 第一销量系 数， 是所述初级销量拟合曲线的第二销量系数、 是所述初级销量拟合曲线的 第三销量系数； S22： 利用预设的销量偏差算法根据所述区间销量计算出所述初级销量拟合曲线的拟 合残差值： 其中， 是指所述拟合残差值， 是所述区间销量的总个数， 是指第 个， 、 、 是所述销 量影响因子， 是所述初级销量拟合曲线的第一销量系数， 是所述初级销量拟合曲线的第 二销量系数、 是所述初级销量拟合曲线的第三销量系数， 是指所述初级销量拟合曲线 中 第 个时域窗口对应时间段， 是指第 个区间销量； S23： 根据 所述拟合残差值对所述初级销量拟合曲线的各个参数进行更新， 得到先验曲 线； S3： 根据所述先验数据表计算所述销量影响因子的因子变化率， 根据所述因子变化率 生成伪随机因子函数； S4： 利用所述先验曲线与所述伪随机因子函数计算所述预设产品集中每个产品的当前 分布权重； S5： 根据所述当前分布权 重生成所述预设产品集的采购方案 。 2.如权利要求1所述的基于市场先验大数据的产品采购方法， 其特征在于， 所述获取预 设产品集中每 个产品的历史销量数据以及销量影响因子， 包括： 逐个选取所述预设产品集中的产品作为目标产品， 获取所述目标产品对应的历史销售 记录； 对所述历史销售记录进行 数据清洗， 得到历史销量数据； 获取所述目标产品的产品特 征集， 根据所述产品特 征集计算出销量影响因子 。 3.如权利要求2所述的基于市场先验大数据的产品采购方法， 其特征在于， 所述获取所 述目标产品的产品特 征集， 包括： 获取所述目标产品的产品标签；权　利　要　求　书 1/4 页 2 CN 115423535 A 2对所述产品标签进行文本分词， 得到标签词集； 逐一将所述标签词集中的标签词语转 化为词向量， 得到标签词向量 集； 对所述标签词向量 集中的词向量进行聚类操作， 得到产品特 征集。 4.如权利要求2所述的基于市场先验大数据的产品采购方法， 其特征在于， 所述根据 所 述产品特 征集计算出销量影响因子， 包括： 逐个选取 所述产品特 征集中的产品特 征作为目标产品特 征； 利用预设的特征近似算法计算所述目标产品特征与预设的标准特征库中的每个销量 特征之间的特 征近似值： 其中， 是指所述特征近似值， 是预设的近似对抗系数， 是反余弦函数， 是指所述 目标产品特 征， 是指所述销量特 征， 是转置符号； 选取最大的所述特征近似值对应的销量特征作为目标销量特征， 将所有的所述目标销 量特征组成目标销量特 征集； 利用预设的因子预测决策树 根据所述目标销量特 征集生成销量影响因子 。 5.如权利要求1所述的基于市场先验大数据的产品采购方法， 其特征在于， 所述根据 所 述先验数据表统计不同时间段内每 个产品的区间销量， 包括： 逐个选取所述预设产品集中的产品作为目标产品， 从所述先验数据表中提取出所述目 标产品对应的目标 数据表； 按照预设的时域窗口对所述目标 数据表进行分段， 得到多个时域数据组； 逐一选取所述 时域数据组作为目标时域组， 统计所述目标时域组中所述目标产品的总 销量， 将所述总销量作为所述目标产品在所述目标时域组中的区间销量。 6.如权利要求1所述的基于市场先验大数据的产品采购方法， 其特征在于， 所述根据 所 述先验数据表计算所述销量影响因子的因子变化 率， 包括： 逐个选取 所述销量影响因子中的因子作为目标因子， 根据所述先验数据表生成所述目标因子的目标因子曲线； 根据如下的变化 率计算公式计算出 所述目标因子的因子变化 率： 其中， 是指第 个所述目标因子在目标因子曲线中横坐标为 处的因子变化率， 是指 第 个所述目标因子曲线中横坐标为 处的目标因子的取值， 是指第 个所述目标因子曲 线中横坐标为 处的目标因子的取值， 是所述目标因子曲线对应的时域窗口长度。 7.如权利要求1所述的基于市场先验大数据的产品采购方法， 其特征在于， 所述利用所 述先验曲线与所述伪随机因子函数计算所述预设产品集中每个产品的当前分布权重， 包 括： 获取系统对应的日期系数作为当前日期系数； 提取出所述当前 日期系数对应的时域特征， 将所述 时域特征与 所述先验曲线的时域特 征进行匹配， 得到所述先验曲线对应的近似时域特 征；权　利　要　求　书 2/4 页 3 CN 115423535 A 3