(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 202111628208.4 (22)申请日 2021.12.2 9 (65)同一申请的已公布的文献号 申请公布号 CN 114004425 A (43)申请公布日 2022.02.01 (73)专利权人 北京京东振世信息技 术有限公司 地址 100086 北京市海淀区知春路76号6层 (72)发明人 刘葳　蒋新田　庄晓天　王忠帅　 吴盛楠　伍斌杰　 (74)专利代理 机构 北京唯智勤实知识产权代理 事务所(普通 合伙) 11557 专利代理师 史立状 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/08(2012.01)G06K 9/62(2022.01) G06N 3/08(2006.01) (56)对比文件 CN 110956497 A,2020.04.0 3 CN 111275136 A,2020.0 6.12 CN 113408797 A,2021.09.17 CN 112257884 A,2021.01.2 2 CN 112465256 A,2021.0 3.09 CN 109741 113 A,2019.0 5.10 CN 113408617 A,2021.09.17 CN 110222416 A,2019.09.10 审查员 王黎 (54)发明名称 物品流转信息预测模 型生成方法、 信息生成 方法、 装置 (57)摘要 本公开的实施例公开了物品流转信息预测 模型生成方法、 信息生成方法、 装置。 该方法的一 具体实施方式包括： 获取训练样本集， 训练样本 集中的训练样本包括历史时间段的历史物品流 转信息和预测时间段的真实物品流转信息； 获取 多个基准时序模 型和集成模型， 集成模型用于根 据多个基准时序模型的输出结果， 生成预测物品 流转信息； 基于训练样本集对多个基准时序模型 和集成模型进行训练， 以及将训练完成的多个基 准时序模型和集成模型确定为物品流转信息预 测模型。 该实施方式实现了提高生成的物品流转 信息预测模型的预测准确率。 权利要求书2页 说明书10页 附图5页 CN 114004425 B 2022.06.07 CN 114004425 B 1.一种物品流 转信息预测模型生成方法， 包括： 获取训练样本集， 所述训练样本集中的训练样本包括历史时间段的历史物品流转信 息 和预测时间段的真实物品流 转信息； 获取多个基准 时序模型和集成模型， 所述集成模型用于根据所述多个基准 时序模型的 输出结果， 生成预测物品流转信息， 其中， 所述多个基准时序模型中的基准时序模型用于根 据所述历史物品流 转信息预测物品流 转信息； 基于所述训练样本集对所述多个基准 时序模型和所述集成模型进行训练， 以及将训练 完成的所述多个 基准时序模型和所述 集成模型确定为所述物品流 转信息预测模型； 其中， 所述训练样本集是通过以下步骤生成的： 确定所述训练样本集中拟包括的训练样本的目标数量、 所述历史物品流转信 息的第一 数据长度、 所述真实物品流 转信息的第二数据长度； 确定历史物品流 转信息序列对应的所述目标 数量个切分时间点； 对于每个切分时间点， 以所述切分时间点对应的物品流转信息为起点， 分别截取长度 为所述第一数据长度和所述第二数据长度的信息作为所述历史物品流转信息和所述真实 物品流转信息， 得到所述切分时间点对应的训练样本； 将所述目标 数量个切分时间点分别对应的训练样本确定为所述训练样本集； 其中， 所述基于所述训练样本集对所述多个基准时序模型和所述集成模型进行训练， 包括： 为所述训练样本集中各个训练样本设置抽样权重， 每个训练样本的抽样权重与所述训 练样本对应的切分时间点相关； 根据所述各个训练样本的抽样权 重， 从所述训练样本集中加权 选取训练样本； 基于所述训练样本， 对所述多个 基准时序模型和所述 集成模型进行训练； 其中， 所述 为所述训练样本集中各个训练样本设置抽样权 重， 包括： 确定每个训练样本的切分时间点与当前时间的差值； 对于所述差值进行对数变换， 得到变换差值； 对所述变换差值进行 标准化， 得到所述训练样本的抽样权 重。 2.根据权利要求1所述的方法， 其中， 所述基于所述训练样本， 对所述多个基准时序模 型和所述 集成模型进行训练， 包括： 将所述训练样本 中的历史物品流转信 息分别输入所述多个基准 时序模型， 得到多个输 出结果； 将所述多个输出 结果输入所述 集成模型， 得到预测物品流 转信息； 基于预设损失函数， 确定所述预测物品流转信 息和所述训练样本 中的真实物品流转信 息之间的差异； 基于所述差异调整所述多个 基准时序模型和所述 集成模型的参数。 3.根据权利要求2所述的方法， 其中， 所述 集成模型为 脊回归模型。 4.一种物品流 转信息生成方法， 包括： 基于第一数据长度确定当前时间对应的历史物品流 转信息； 将所述历史物品流转信息分别输入预先训练的多个基准时序模型， 得到多个输出结 果；权　利　要　求　书 1/2 页 2 CN 114004425 B 2将所述多个输出结果输入集成模型， 得到物品流转信息， 其中， 所述多个基准时序模型 和所述集成模型 是根据权利要求1 ‑3中任一所述的方法生成的。 5.一种物品流 转信息预测模型生成装置， 包括： 样本集获取单元， 被配置成获取训练样本集， 所述训练样本集中的训练样本包括历史 时间段的历史物品流 转信息和预测时间段的真实物品流 转信息； 模型获取单元， 被配置成获取多个基准时序模型和集成模型， 所述集成模型用于根据 所述多个基准时序模 型的输出结果， 生成预测物品流转信息， 其中， 所述多个基准时序模型 中的基准时序模型用于根据所述历史物品流 转信息预测物品流 转信息； 训练单元， 被配置成基于所述训练样本集对所述多个基准 时序模型和所述集成模型进 行训练， 以及将训练完成的所述多个基准时序模型和所述集成模型确定为所述物品流转信 息预测模型； 其中， 所述训练样本集是通过以下步骤生成的： 确定所述训练样本集中拟包括的训练样本的目标数量、 所述历史物品流转信 息的第一 数据长度、 所述真实物品流 转信息的第二数据长度； 确定历史物品流 转信息序列对应的所述目标 数量个切分时间点； 对于每个切分时间点， 以所述切分时间点对应的物品流转信息为起点， 分别截取长度 为所述第一数据长度和所述第二数据长度的信息作为所述历史物品流转信息和所述真实 物品流转信息， 得到所述切分时间点对应的训练样本； 其中， 所述基于所述训练样本集对所述多个基准时序模型和所述集成模型进行训练， 包括： 为所述训练样本集中各个训练样本设置抽样权重， 每个训练样本的抽样权重与所述训 练样本对应的切分时间点相关； 根据所述各个训练样本的抽样权 重， 从所述训练样本集中加权 选取训练样本； 基于所述训练样本， 对所述多个 基准时序模型和所述 集成模型进行训练； 其中， 所述 为所述训练样本集中各个训练样本设置抽样权 重， 包括： 确定每个训练样本的切分时间点与当前时间的差值； 对于所述差值进行对数变换， 得到变换差值； 对所述变换差值进行 标准化， 得到所述训练样本的抽样权 重。 6.一种电子设备， 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 ‑3或4中任一所述的方法。 7.一种计算机可读介质， 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 ‑3或4中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 114004425 B 3