1.本公开的实施例涉及计算机技术领域，具体涉及需求信息生成方法、装置、电子设备和计算机可读介质。
背景技术：2.在物品流转场景中(如，零售场景)，往往需要根据物品的需求变化特点，生成物品对应的需求信息，以实现对物品的需求分类。目前在进行需求分类时，通常采用的方式为：首先，根据物品的历史流转信息确定能够描述物品需求的指标值，然后，通过人工设置阈值的方式，结合指标值进行需求分类。
3.然而，当采用上述方式时，经常会存在如下技术问题：
4.通过人工设置阈值的方式，阈值的设置具有较强的主观性，从而导致得到的需求分类结果不够精准。
技术实现要素：5.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
6.本公开的一些实施例提出了需求信息生成方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。
7.第一方面，本公开的一些实施例提供了一种需求信息生成方法，该方法包括：获取目标物品的物品属性信息和物品流转信息集合；分别对上述物品属性信息和上述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合；根据上述物品属性特征信息，生成需求先验信息；根据上述需求先验信息和上述物品流转特征信息集合，生成需求后验信息。
8.可选地，上述物品属性信息包括：非数值型物品属性信息集合，物品属性特征信息包括：非数值型物品属性特征集合；以及上述分别对上述物品属性信息和上述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合，包括：对上述非数值型物品属性信息集合中的每个非数值型物品属性信息进行特征编码，以生成非数值型物品属性特征，得到上述非数值型物品属性特征集合。
9.可选地，上述物品属性特征信息还包括：数值型物品属性特征集合；以及上述根据上述物品属性特征信息，生成需求先验信息，包括：对于至少一个分类类别中的每个分类类别，执行以下处理步骤：对上述非数值型物品属性特征集合和数值型物品属性特征集合中的物品属性特征进行加权求和处理，以生成上述分类类别对应的加权特征信息；对上述加权特征信息进行区间压缩，以生成上述分类类别对应的概率信息；根据上述至少一个分类类别中的分类类别对应的概率信息，生成上述需求先验信息。
10.可选地，上述物品流转特征信息集合包括：非零需求间隔特征信息；以及上述分别
对上述物品属性信息和上述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合，包括：从上述物品流转信息集合中筛选出满足筛选条件的物品流转信息，作为候选物品流转信息，得到候选物品流转信息集合；将上述候选物品流转信息集合包括的候选物品流转信息的数量，与上述物品流转信息集合包括的物品流转信息的数量的比值，确定为上述非零需求间隔特征信息。
11.可选地，上述物品流转特征信息集合包括：需求变异系数特征信息；以及上述分别对上述物品属性信息和上述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合，包括：确定上述物品流转信息集合包括的物品流转信息的标准差，以生成需求标准差特征；确定上述物品流转信息集合包括的物品流转信息的均值，以生成需求均值特征；将上述需求标准差特征和上述需求均值特征的比值，确定为上述需求变异系数特征信息。
12.可选地，上述根据上述需求先验信息和上述物品流转特征信息集合，生成需求后验信息，包括：对于至少一个分类类别中的每个分类类别，执行以下处理步骤：确定上述物品流转特征信息集合中的每个物品流转特征信息在上述分类类别下的概率信息，以生成候选概率信息，得到候选概率信息集合；根据上述需求先验信息中上述分类类别的概率信息和上述候选概率信息集合，确定上述概率信息对应的候选概率信息；根据得到的多个候选概率信息和上述物品流转特征信息集合的联合概率信息，确定至少一个分类类别中分类类别对应的概率值，得到上述需求后验信息。
13.可选地，上述物品流转特征信息集合中的物品流转特征信息在分类类别下相互独立。
14.可选地，上述方法还包括：根据上述需求后验信息，对上述目标物品进行物品调拨。
15.第二方面，本公开的一些实施例提供了一种需求信息生成装置，装置包括：获取单元，被配置成获取目标物品的物品属性信息和物品流转信息集合；特征提取单元，被配置成分别对上述物品属性信息和上述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合；第一生成单元，被配置成根据上述物品属性特征信息，生成需求先验信息；第二生成单元，被配置成根据上述需求先验信息和上述物品流转特征信息集合，生成需求后验信息。
16.可选地，上述物品属性信息包括：非数值型物品属性信息集合，物品属性特征信息包括：非数值型物品属性特征集合；以及上述特征提取单元被进一步配置成：对上述非数值型物品属性信息集合中的每个非数值型物品属性信息进行特征编码，以生成非数值型物品属性特征，得到上述非数值型物品属性特征集合。
17.可选地，上述物品属性特征信息还包括：数值型物品属性特征集合；以及上述第一生成单元被进一步配置成：对于至少一个分类类别中的每个分类类别，执行以下处理步骤：对上述非数值型物品属性特征集合和数值型物品属性特征集合中的物品属性特征进行加权求和处理，以生成上述分类类别对应的加权特征信息；对上述加权特征信息进行区间压缩，以生成上述分类类别对应的概率信息；根据上述至少一个分类类别中的分类类别对应的概率信息，生成上述需求先验信息。
18.可选地，上述物品流转特征信息集合包括：非零需求间隔特征信息；以及上述特征
提取单元被进一步配置成：从上述物品流转信息集合中筛选出满足筛选条件的物品流转信息，作为候选物品流转信息，得到候选物品流转信息集合；将上述候选物品流转信息集合包括的候选物品流转信息的数量，与上述物品流转信息集合包括的物品流转信息的数量的比值，确定为上述非零需求间隔特征信息。
19.可选地，上述物品流转特征信息集合包括：需求变异系数特征信息；以及上述特征提取单元被进一步配置成：确定上述物品流转信息集合包括的物品流转信息的标准差，以生成需求标准差特征；确定上述物品流转信息集合包括的物品流转信息的均值，以生成需求均值特征；将上述需求标准差特征和上述需求均值特征的比值，确定为上述需求变异系数特征信息。
20.可选地，上述第二生成单元被进一步配置成：对于至少一个分类类别中的每个分类类别，执行以下处理步骤：确定上述物品流转特征信息集合中的每个物品流转特征信息在上述分类类别下的概率信息，以生成候选概率信息，得到候选概率信息集合；根据上述需求先验信息中上述分类类别的概率信息和上述候选概率信息集合，确定上述概率信息对应的候选概率信息；根据得到的多个候选概率信息和上述物品流转特征信息集合的联合概率信息，确定至少一个分类类别中分类类别对应的概率值，得到上述需求后验信息。
21.可选地，上述物品流转特征信息集合中的物品流转特征信息在分类类别下相互独立。
22.可选地，上述装置还包括：根据上述需求后验信息，对上述目标物品进行物品调拨。
23.第三方面，本公开的一些实施例提供了一种电子设备，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，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
24.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
25.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的需求信息生成方法，提高了得到的需求分类结果的准确性。具体来说，造成得到的需求分类结果不够准确的原因在于：通过人工设置阈值的方式，阈值的设置具有较强的主观性，从而导致得到的需求分类结果不够精准。基于此，本公开的一些实施例首先，获取目标物品的物品属性信息和物品流转信息集合。其次，分别对上述物品属性信息和上述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合。通过进行特征提取，从而实现特征的构建。接着，根据上述物品属性特征信息，生成需求先验信息。通过物品的固有属性，确定目标物品的先验需求信息。最后，根据上述需求先验信息和上述物品流转特征信息集合，生成需求后验信息。接着，根据物品流转特征信息集合对先验需求信息进行修正，以生成需求后验信息。通过此种方式在需求分类的过程中结合了物品的属性特征和流转特征，大大提高了物品需求分类的准确性。
附图说明
26.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理
解附图是示意性的，元件和元素不一定按照比例绘制。
27.图1是本公开的一些实施例的需求信息生成方法的一个应用场景的示意图；
28.图2是根据本公开的需求信息生成方法的一些实施例的流程图；
29.图3是根据本公开的需求信息生成方法的另一些实施例的流程图；
30.图4是根据本公开的需求信息生成装置的一些实施例的结构示意图；
31.图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
32.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
33.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
34.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
35.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
36.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
37.下面将参考附图并结合实施例来详细说明本公开。
38.图1是本公开的一些实施例的需求信息生成方法的一个应用场景的示意图。
39.在图1的应用场景中，首先，计算设备101可以获取目标物品的物品属性信息102和物品流转信息集合103；在本应用场景中，上述物品属性信息102可以是{物品名称：名称a；物品品牌：xx牌；物品品类：电子产品；物品颜色：黑色；物品重量：500克}。上述物品流转信息集合103可以是{[时间：2021-4-8；物品流转量：20]，[时间：2021-4-9；物品流转量：100]，[时间：2021-4-10；物品流转量：0]，[时间：2021-4-11；物品流转量：0]，[时间：2021-4-12；物品流转量：20]}。然后，计算设备101可以分别对上述物品属性信息102和上述物品流转信息集合103进行特征提取，以生成物品属性特征信息104和物品流转特征信息集合105；在本应用场景中，物品属性特征信息104可以是{物品名称：000001；物品品牌：000010；物品类别：100000；物品颜色：010000；物品重量：500}。上述物品流转特征信息集合105可以是{物品流转量均值：28；物品流转量方差：1376；物品流转量标准差：37.09}。接着，计算设备101可以根据上述物品属性特征信息104，生成需求先验信息106；最后，计算设备101可以根据上述需求先验信息106和上述物品流转特征信息集合105，生成需求后验信息107。
[0040]
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
[0041]
应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
[0042]
继续参考图2，示出了根据本公开的需求信息生成方法的一些实施例的流程200。该需求信息生成方法，包括以下步骤：
[0043]
步骤201，获取目标物品的物品属性信息和物品流转信息集合。
[0044]
在一些实施例中，需求信息生成方法的执行主体(例如图1所示的计算设备101)可以通过有线连接或无线连接的方式，获取目标物品的物品属性信息和物品流转信息集合。其中，上述目标物品可以是待进行需求预测的物品。例如，上述目标物品可以是“苹果”。上述物品属性信息可以是上述目标物品的固有属性的信息。例如，上述物品属性信息可以包括但不限于以下至少一项：物品名称，物品品牌，物品品类，物品颜色，物品重量，物品体积。上述物品流转信息集合表征上述目标物品在目标时间段内的流转数据。例如，上述目标时间段可以是上述目标物品第一次开始流转至今的时间段。上述流转数据可以是“销量”。
[0045]
作为示例，上述物品属性信息可以是{物品名称：名称a；物品品牌：xx牌；物品类别：电子产品；物品颜色：黑色；物品重量：500克；物品体积：0.05立方米}。上述物品流转信息集合可以是{[时间：2021-4-8；物品流转量：20]，[时间：2021-4-9；物品流转量：100]，[时间：2021-4-10；物品流转量：0]，[时间：2021-4-11；物品流转量：0]，[时间：2021-4-12；物品流转量：20]}。
[0046]
可选地，上述物品属性信息可以包括：非数值型物品属性信息集合和数值型物品属性信息集合。其中，非数值型物品属性信息表征目标物品的非数值类型的物品属性。数值型物品属性信息表征目标物品的数值类型的物品属性。例如，非数值型物品属性信息可以是{物品名称：名称a}。数值型物品属性信息可以是{物品重量：500克}。
[0047]
步骤202，分别对物品属性信息和物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合。
[0048]
在一些实施例中，上述执行主体可以分别对物品属性信息和物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合。其中，上述物品属性特征信息可以表征从上述物品属性信息中提取的特征。上述物品流转特征信息集合中的物品流转特征信息可以表征从上述物品流转信息集合中抽取的特征。例如，上述物品流转特征信息集合可以包括：物品流转量均值，物品流转量方差，物品流转量标准差。
[0049]
作为示例，上述执行主体对物品属性信息进行特征提取，以生成上述物品属性特征信息，可以包括以下步骤：
[0050]
第一步，对上述物品属性信息进行向量转换，以生成物品属性向量。
[0051]
例如，上述执行主体可以对上述物品属性向量进行词向量转换，以生成上述物品属性向量。如，上述执行主体可以通过word2vec模型，对上述物品属性向量进行词向量转换。
[0052]
第二步，对上述物品属性向量进行特征提取，以生成上述物品属性信息。
[0053]
例如，上述执行主体可以通过特征提取模型，对上述物品属性向量进行特征提取，以生成上述物品属性特征信息。如，上述特征提取模型可以是但不限于：vggnet(visual geometry group network)。
[0054]
作为又一示例，上述执行主体对上述物品流转信息集合进行特征提取，以生成物
品流转特征信息集合，可以包括以下步骤：
[0055]
第一步，确定上述物品流转信息集合的均值，以生成上述物品流转特征信息集合中的物品流转量均值。
[0056]
第二步，确定上述物品流转信息集合的方差，以生成上述物品流转特征信息集合中的物品流转量方差。
[0057]
第三步，确定上述物品流转信息集合的标准差，以生成上述物品流转特征信息集合中的物品流转量标准差。
[0058]
可选地，上述物品属性特征信息包括：非数值型物品属性特征集合和数值型物品属性特征集合。其中，非数值型物品属性特征是非数值型物品属性信息的属性特征。数值型物品属性特征是数值型物品属性信息的属性特征。
[0059]
可选地，物品流转特征信息集合可以包括：非零需求间隔特征信息，需求变异系数特征信息，需求长度信息和需求均值信息。其中，非零需求间隔特征信息表征物品流转信息集合中的非零需求的平均间隔。需求变异系数特征信息表征物品流转信息集合的需求变异系数。需求长度信息表征上述物品流转信息集合包括的物品流转信息的数量。上述需求均值信息表征物品流转信息集合中的物品流转信息的均值。
[0060]
步骤203，根据物品属性特征信息，生成需求先验信息。
[0061]
在一些实施例中，上述执行主体可以根据物品属性特征信息，生成需求先验信息。其中，上述需求先验信息表征上述目标物品的先验的需求分类。例如，上述需求先验信息对应的需求分类的分类类别可以包括但不限于以下任意一项：高销高值平稳型，高销高值间断型，高销低值平稳型，低销低值间断型，中低销高值平稳型，中低销高值间断型，中低销低值平稳型，中低销低值间断型，滞销型。其中，高销高值平稳型表征目标物品为高流转量、高价值且流转平稳的物品。高销高值间断型表征目标物品为高流转量、高价值且流转间断的物品。高销低值平稳型表征目标物品为高流转量、低价值且流转平稳的物品。低销低值间断型表征目标物品为低流转量、低价值且流转间断的物品。中低销高值平稳型表征目标物品为中低流转量、高价值且流转平稳的物品。中低销高值间断型表征目标物品为中低流转量、高价值且流转间断的物品。中低销低值平稳型表征目标物品为中低流转量、低价值且流转平稳的物品。中低销低值间断型表征目标物品为中低流转量、低价值且流转间断的物品。滞销型表征目标物品滞销的物品。
[0062]
作为示例，上述执行主体可以将上述物品属性特征信息，输入预先训练的先验分类模型，以生成上述需求先验信息。上述先验分类模型可以是通过先验训练样本训练得到的分类模型。先验训练样本可以包括：非目标物品的物品属性特征信息，预先标注的非目标物品的先验需求分类。上述先验分类模型可以是但不限于：随机森林模型。
[0063]
步骤204，根据需求先验信息和物品流转特征信息集合，生成需求后验信息。
[0064]
在一些实施例中，上述执行主体可以根据需求先验信息和物品流转特征信息集合，生成需求后验信息。其中，上述需求后验信息可以表征上述目标物品的后验的需求分类。例如，上述需求后验信息对应的需求分类的分类类别可以包括但不限于以下任意一项：高销高值平稳型，高销高值间断型，高销低值平稳型，低销低值间断型，中低销高值平稳型，中低销高值间断型，中低销低值平稳型，中低销低值间断型，滞销型。其中，高销高值平稳型表征目标物品为高流转量、高价值且流转平稳的物品。高销高值间断型表征目标物品为高
流转量、高价值且流转间断的物品。高销低值平稳型表征目标物品为高流转量、低价值且流转平稳的物品。低销低值间断型表征目标物品为低流转量、低价值且流转间断的物品。中低销高值平稳型表征目标物品为中低流转量、高价值且流转平稳的物品。中低销高值间断型表征目标物品为中低流转量、高价值且流转间断的物品。中低销低值平稳型表征目标物品为中低流转量、低价值且流转平稳的物品。中低销低值间断型表征目标物品为中低流转量、低价值且流转间断的物品。滞销型表征目标物品滞销的物品。
[0065]
作为示例，上述执行主体可以根据需求先验信息和物品流转特征信息集合，生成需求后验信息，可以包括以下步骤：
[0066]
第一步，对上述需求先验信息和上述物品流转特征信息集合进行向量转换，以生成需求先验信息向量和物品流转特征信息向量。
[0067]
第二步，对上述需求先验信息向量和物品流转特征信息向量进行向量拼接，以生成候选向量。
[0068]
第三步，将上述候选向量，输入预先训练的后验分类模型，以生成后验需求信息。
[0069]
例如，上述后验分类模型可以是通过后验训练样本训练得到的分类模型。后验训练样本可以包括：非目标物品的候选向量，预先标注的非目标物品的后验分类类别。上述非目标物品的候选向量是基于非目标物品的需求先验信息和物品流转特征信息集合生成的向量。上述后验分类模型可以是但不限于：cnn(convolutional neural networks，卷积神经网络)模型，lstm(long short-term memory，长短时记忆)模型。
[0070]
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的需求信息生成方法，提高了得到的需求分类结果的准确性。具体来说，造成得到的需求分类结果不够准确的原因在于：通过人工设置阈值的方式，阈值的设置具有较强的主观性，从而导致得到的需求分类结果不够精准。基于此，本公开的一些实施例首先，获取目标物品的物品属性信息和物品流转信息集合。其次，分别对上述物品属性信息和上述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合。通过进行特征提取，从而实现特征的构建。接着，根据上述物品属性特征信息，生成需求先验信息。通过物品的固有属性，确定目标物品的先验需求信息。最后，根据上述需求先验信息和上述物品流转特征信息集合，生成需求后验信息。接着，根据物品流转特征信息集合对先验需求信息进行修正，以生成需求后验信息。通过此种方式在需求分类的过程中结合了物品的属性特征和流转特征，大大提高了物品需求分类的准确性。
[0071]
进一步参考图3，其示出了需求信息生成方法的另一些实施例的流程300。该需求信息生成方法的流程300，包括以下步骤：
[0072]
步骤301，获取目标物品的物品属性信息和物品流转信息集合。
[0073]
在一些实施例中，步骤301的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤201，在此不再赘述。
[0074]
步骤302，对非数值型物品属性信息集合中的每个非数值型物品属性信息进行特征编码，以生成非数值型物品属性特征，得到非数值型物品属性特征集合。
[0075]
在一些实施例中，需求信息生成方法的执行主体(例如图1所示的计算设备101)可以对非数值型物品属性信息集合中的每个非数值型物品属性信息进行特征编码，以生成非数值型物品属性特征，得到非数值型物品属性特征集合。
[0076]
例如，上述执行主体可以对上述非数值型物品属性信息进行独热编码，以生成上述非数值型物品属性信息对应的非数值型物品属性特征。
[0077]
可选地，上述执行主体可以将数值型物品属性信息集合中的每个数值型物品属性信息，确定为上述数值型物品属性信息对应的数值型物品属性特征，得到数值型物品属性特征集合。
[0078]
步骤303，从物品流转信息集合中筛选出满足筛选条件的物品流转信息，作为候选物品流转信息，得到候选物品流转信息集合。
[0079]
在一些实施例中，上述执行主体可以从物品流转信息集合中筛选出满足筛选条件的物品流转信息，作为候选物品流转信息，得到候选物品流转信息集合。其中，上述筛选条件可以是物品流转信息对应的物品流转量非零，即物品流转信息对应非零需求。候选物品流转信息为对应的物品流转量非零的物品流转信息。
[0080]
作为示例，物品流转信息集合可以是{[时间：2021-4-8；物品流转量：20]，[时间：2021-4-9；物品流转量：100]，[时间：2021-4-10；物品流转量：0]，[时间：2021-4-11；物品流转量：0]，[时间：2021-4-12；物品流转量：20]}。则候选物品流转信息集合可以是{[时间：2021-4-8；物品流转量：20]，[时间：2021-4-9；物品流转量：100]，[时间：2021-4-12；物品流转量：20]}。
[0081]
步骤304，将候选物品流转信息集合包括的候选物品流转信息的数量，与物品流转信息集合包括的物品流转信息的数量的比值，确定为非零需求间隔特征信息。
[0082]
在一些实施例中，上述执行主体可以将候选物品流转信息集合包括的候选物品流转信息的数量，与物品流转信息集合包括的物品流转信息的数量的比值，确定为非零需求间隔特征信息。
[0083]
作为示例，物品流转信息集合可以是{[时间：2021-4-8；物品流转量：20]，[时间：2021-4-9；物品流转量：100]，[时间：2021-4-10；物品流转量：0]，[时间：2021-4-11；物品流转量：0]，[时间：2021-4-12；物品流转量：20]}。候选物品流转信息集合可以是{[时间：2021-4-8；物品流转量：20]，[时间：2021-4-9；物品流转量：100]，[时间：2021-4-12；物品流转量：20]}。则生成的非零需求间隔特征信息可以是1.67(保留两位小数)。
[0084]
可选地，上述执行主体确定物品流转特征信息集合包括的需求变异系数特征信息可以包括以下步骤：
[0085]
第一步，确定上述物品流转信息集合包括的物品流转信息的标准差，以生成需求标准差特征。
[0086]
作为示例，物品流转信息集合包括的各个物品流转量可以是[10，20，10，10，10，0，20，10]。则需求标准差特征可以是6.61(保留两位小数)。
[0087]
第二步，确定上述物品流转信息集合包括的物品流转信息的均值，以生成需求均值特征。
[0088]
作为示例，物品流转信息集合包括的各个物品流转量可以是[10，20，10，10，10，0，20，10]。则需求均值特征可以是12.5。
[0089]
第三步，将上述需求标准差特征和上述需求均值特征的比值，确定为上述需求变异系数特征信息。
[0090]
作为示例，需求标准差特征可以是6.61。需求均值特征可以是12.5。需求变异系数
特征信息可以是0.53(保留两位小数)。
[0091]
步骤305，根据物品属性特征信息，生成需求先验信息。
[0092]
在一些实施例中，上述执行主体可以根据物品属性特征信息，生成需求先验信息。其中，对于至少一个分类类别中的每个分类类别，上述执行主体可以执行以下处理步骤：
[0093]
第一步，对上述非数值型物品属性特征集合和数值型物品属性特征集合中的物品属性特征进行加权求和处理，以生成上述分类类别对应的加权特征信息。其中，权重包括常数项权重和非常数项权重。非常数项权重的数量等于第一数量和第二数量的和。第一数量为非数值型物品属性特征集合包括的非数值型物品属性特征的数量。第二数量为数值型物品属性特征集合包括的数值型物品属性特征的数量。常数项权重的数量为1。常数项权重和非常数项权重均待求解。
[0094]
第二步，对上述加权特征信息进行区间压缩，以生成上述分类类别对应的概率信息。
[0095]
其中，上述执行主体可以通过sigmoid函数对上述加权特征信息进行区间压缩。分类类别对应的概率信息为含有带求解的常数项权重和非常数项权重的信息。
[0096]
第三步，根据上述至少一个分类类别中的分类类别对应的概率信息，生成上述需求先验信息。
[0097]
其中，上述需求先验信息包括上述至少一个分类类别中的分类类别对应的概率信息。
[0098]
步骤306，根据需求先验信息和物品流转特征信息集合，生成需求后验信息。
[0099]
在一些实施例中，上述执行主体根据需求先验信息和物品流转特征信息集合，生成需求后验信息。
[0100]
作为示例，上述执行主体根据需求先验信息和物品流转特征信息集合，生成需求后验信息，可以包括以下步骤：
[0101]
第一步，对于至少一个分类类别中的每个分类类别，上述执行主体可以执行以下处理步骤：
[0102]
第一子步骤，确定上述物品流转特征信息集合中的每个物品流转特征信息在上述分类类别下的概率信息，以生成候选概率信息，得到候选概率信息集合。
[0103]
例如，首先，上述执行主体可以确定上述物品流转特征信息在上述分类类别下的统计分布。如，统计分布可以是正态分布。接着，上述执行主体可以将上述物品流转特征信息在上述分类类别下的概率公式转换为概率密度函数，以生成上述候选概率信息。
[0104]
第二子步骤，根据上述需求先验信息中上述分类类别的概率信息和上述候选概率信息集合，确定上述概率信息对应的候选概率信息。
[0105]
例如，上述概率信息的统计分布可以是正态分布，上述执行主体可以将分类类别的概率信息转换为概率密度函数。其中，上述执行主体可以将第一目标概率密度函数和第二目标概率密度函数的乘积，确定为上述候选概率信息。其中，上述第一目标概率密度函数为上述候选概率信息集合中的候选概率信息对应的概率密度函数的乘积值。第二目标概率密度函数为分类类别的概率信息的概率密度函数。
[0106]
第二步，根据得到的多个候选概率信息和上述物品流转特征信息集合的联合概率信息，确定至少一个分类类别中分类类别对应的概率值，得到上述需求后验信息。
[0107]
其中，联合概率信息等于多个候选概率信息包括的候选概率信息和。例如，上述联合概率信息可以通过但不限于以下任意方式求得：梯度下降法，随机梯度下降法，牛顿法，拟牛顿法。上述多个候选概率信息包括的候选概率信息和可以通过极大似然估计法求得。以此可以到的每个分类类别对应的概率信息中的权重的具体数值，进而得到每个分类类比的概率值，以生成上述需求后验信息。例如，上述需求后验信息可以是{[类别：高销高值平稳型，概率值：0.92；]，[类别：高销高值间断型，概率值：0.32]，[类别：高销低值平稳型，概率值：0.11]}。则上述目标物品的分类类别为“高销高值平稳型”。
[0108]
可选地，物品流转特征信息集合中的物品流转特征信息在分类类别下相互独立。
[0109]
步骤307，根据需求后验信息，对目标物品进行物品调拨。
[0110]
在一些实施例中，上述执行主体根据需求后验信息，对目标物品进行物品调拨。
[0111]
作为示例，当上述需求后验信息表征上述目标物品为“高销高值平稳型”，维持上述目标物品的当前补货策略不变，以对上述目标物品进行物品调拨。
[0112]
作为又一示例，当上述需求后验信息表征上述目标物品为“高销高值平稳型”减少上述目标物品的补货量，并根据减少后的补货量，对上述目标物品进行物品调拨。
[0113]
从图3可以看出，与图2对应的一些实施例的描述相比，本公开首先，细化了物品属性特征信息和物品流转特征信息的特征构建方式。其次，细化了需求先验信息和需求后验信息的生成方式，并且无需构建复杂的神经网络模型，降低了需求后验信息的生成成本。
[0114]
进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种需求信息生成装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0115]
如图4所示，一些实施例的需求信息生成装置400包括：获取单元401、特征提取单元402、第一生成单元403和第二生成单元404。其中，获取单元401，被配置成获取目标物品的物品属性信息和物品流转信息集合；特征提取单元402，被配置成分别对上述物品属性信息和上述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合；第一生成单元403，被配置成根据上述物品属性特征信息，生成需求先验信息；第二生成单元404，被配置成根据上述需求先验信息和上述物品流转特征信息集合，生成需求后验信息。
[0116]
可选地，上述物品属性信息包括：非数值型物品属性信息集合，物品属性特征信息包括：非数值型物品属性特征集合；以及上述特征提取单元402被进一步配置成：对上述非数值型物品属性信息集合中的每个非数值型物品属性信息进行特征编码，以生成非数值型物品属性特征，得到上述非数值型物品属性特征集合。
[0117]
可选地，上述物品属性特征信息还包括：数值型物品属性特征集合；以及上述第一生成单元403被进一步配置成：对于至少一个分类类别中的每个分类类别，执行以下处理步骤：对上述非数值型物品属性特征集合和数值型物品属性特征集合中的物品属性特征进行加权求和处理，以生成上述分类类别对应的加权特征信息；对上述加权特征信息进行区间压缩，以生成上述分类类别对应的概率信息；根据上述至少一个分类类别中的分类类别对应的概率信息，生成上述需求先验信息。
[0118]
可选地，上述物品流转特征信息集合包括：非零需求间隔特征信息；以及上述特征提取单元402被进一步配置成：从上述物品流转信息集合中筛选出满足筛选条件的物品流
转信息，作为候选物品流转信息，得到候选物品流转信息集合；将上述候选物品流转信息集合包括的候选物品流转信息的数量，与上述物品流转信息集合包括的物品流转信息的数量的比值，确定为上述非零需求间隔特征信息。
[0119]
可选地，上述物品流转特征信息集合包括：需求变异系数特征信息；以及上述特征提取单元402被进一步配置成：确定上述物品流转信息集合包括的物品流转信息的标准差，以生成需求标准差特征；确定上述物品流转信息集合包括的物品流转信息的均值，以生成需求均值特征；将上述需求标准差特征和上述需求均值特征的比值，确定为上述需求变异系数特征信息。
[0120]
可选地，上述第二生成单元404被进一步配置成：对于至少一个分类类别中的每个分类类别，执行以下处理步骤：确定上述物品流转特征信息集合中的每个物品流转特征信息在上述分类类别下的概率信息，以生成候选概率信息，得到候选概率信息集合；根据上述需求先验信息中上述分类类别的概率信息和上述候选概率信息集合，确定上述概率信息对应的候选概率信息；根据得到的多个候选概率信息和上述物品流转特征信息集合的联合概率信息，确定至少一个分类类别中分类类别对应的概率值，得到上述需求后验信息。
[0121]
可选地，上述物品流转特征信息集合中的物品流转特征信息在分类类别下相互独立。
[0122]
可选地，上述装置400还包括：调拨单元，其中，上述调拨单元可以被配置成：根据上述需求后验信息，对上述目标物品进行物品调拨。
[0123]
可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。
[0124]
下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备(如图1所示的计算设备101)500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0125]
如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储装置508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。在ram 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、rom 502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
[0126]
通常，以下装置可以连接至i/o接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0127]
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在
这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从rom 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。
[0128]
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0129]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0130]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标物品的物品属性信息和物品流转信息集合；分别对上述物品属性信息和上述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合；根据上述物品属性特征信息，生成需求先验信息；根据上述需求先验信息和上述物品流转特征信息集合，生成需求后验信息。
[0131]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0132]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代
表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0133]
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、特征提取单元、第一生成单元和第二生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标物品的物品属性信息和物品流转信息集合的单元”。
[0134]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0135]
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
技术特征：1.一种需求信息生成方法，包括：获取目标物品的物品属性信息和物品流转信息集合；分别对所述物品属性信息和所述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合；根据所述物品属性特征信息，生成需求先验信息；根据所述需求先验信息和所述物品流转特征信息集合，生成需求后验信息。2.根据权利要求1所述的方法，其中，所述物品属性信息包括：非数值型物品属性信息集合，物品属性特征信息包括：非数值型物品属性特征集合；以及所述分别对所述物品属性信息和所述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合，包括：对所述非数值型物品属性信息集合中的每个非数值型物品属性信息进行特征编码，以生成非数值型物品属性特征，得到所述非数值型物品属性特征集合。3.根据权利要求2所述的方法，其中，所述物品属性特征信息还包括：数值型物品属性特征集合；以及所述根据所述物品属性特征信息，生成需求先验信息，包括：对于至少一个分类类别中的每个分类类别，执行以下处理步骤：对所述非数值型物品属性特征集合和数值型物品属性特征集合中的物品属性特征进行加权求和处理，以生成所述分类类别对应的加权特征信息；对所述加权特征信息进行区间压缩，以生成所述分类类别对应的概率信息；根据所述至少一个分类类别中的分类类别对应的概率信息，生成所述需求先验信息。4.根据权利要求1所述的方法，其中，所述物品流转特征信息集合包括：非零需求间隔特征信息；以及所述分别对所述物品属性信息和所述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合，包括：从所述物品流转信息集合中筛选出满足筛选条件的物品流转信息，作为候选物品流转信息，得到候选物品流转信息集合；将所述候选物品流转信息集合包括的候选物品流转信息的数量，与所述物品流转信息集合包括的物品流转信息的数量的比值，确定为所述非零需求间隔特征信息。5.根据权利要求1所述的方法，其中，所述物品流转特征信息集合包括：需求变异系数特征信息；以及所述分别对所述物品属性信息和所述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合，包括：确定所述物品流转信息集合包括的物品流转信息的标准差，以生成需求标准差特征；确定所述物品流转信息集合包括的物品流转信息的均值，以生成需求均值特征；将所述需求标准差特征和所述需求均值特征的比值，确定为所述需求变异系数特征信息。6.根据权利要求1-5之一所述的方法，其中，所述根据所述需求先验信息和所述物品流转特征信息集合，生成需求后验信息，包括：对于至少一个分类类别中的每个分类类别，执行以下处理步骤：
确定所述物品流转特征信息集合中的每个物品流转特征信息在所述分类类别下的概率信息，以生成候选概率信息，得到候选概率信息集合；根据所述需求先验信息中所述分类类别的概率信息和所述候选概率信息集合，确定所述概率信息对应的候选概率信息；根据得到的多个候选概率信息和所述物品流转特征信息集合的联合概率信息，确定至少一个分类类别中分类类别对应的概率值，得到所述需求后验信息。7.根据权利要求6所述的方法，其中，所述物品流转特征信息集合中的物品流转特征信息在分类类别下相互独立。8.根据权利要求1所述的方法，其中，所述方法还包括：根据所述需求后验信息，对所述目标物品进行物品调拨。9.一种需求信息生成装置，包括：获取单元，被配置成获取目标物品的物品属性信息和物品流转信息集合；特征提取单元，被配置成分别对所述物品属性信息和所述物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合；第一生成单元，被配置成根据所述物品属性特征信息，生成需求先验信息；第二生成单元，被配置成根据所述需求先验信息和所述物品流转特征信息集合，生成需求后验信息。10.一种电子设备，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至8中任一所述的方法。11.一种计算机可读介质，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至8中任一所述的方法。
技术总结本公开的实施例公开了需求信息生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取目标物品的物品属性信息和物品流转信息集合；分别对物品属性信息和物品流转信息集合进行特征提取，以生成物品属性特征信息和物品流转特征信息集合；根据物品属性特征信息，生成需求先验信息；根据需求先验信息和物品流转特征信息集合，生成需求后验信息。该实施方式与智慧供应链有关，提高了物品需求分类的准确性。品需求分类的准确性。品需求分类的准确性。
技术研发人员：陈浪
受保护的技术使用者：北京京东振世信息技术有限公司
技术研发日：2022.07.11
技术公布日：2022/11/1
