(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 202211036397.0 (22)申请日 2022.08.28 (71)申请人 浙江中烟工业有限责任公司 地址 310008 浙江省杭州市上城区中山 南 路77号 (72)发明人 金泳　楼卫东　高扬华　 (74)专利代理 机构 北京维澳专利代理有限公司 11252 专利代理师 陈变花 (51)Int.Cl. G06Q 30/02(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06N 5/02(2006.01) (54)发明名称 一种卷烟销量的预测方法及装置 (57)摘要 本申请公开了一种卷烟销量的预测方法及 装置， 预测方法包括： 利用卷烟销量的预测模型 的第一特征提取器从销量预测指标的具体数据 中提取特征图； 将特征图输入卷烟销量的预测模 型的第一回归器， 获得卷烟销量的预测值。 本申 请利用卷烟销量的预测模型进行销售数据的特 征提取和销量的预测， 避免人工提取带来的人力 成本和质量差异， 提高了销量预测的精度。 权利要求书1页 说明书8页 附图3页 CN 115511515 A 2022.12.23 CN 115511515 A 1.一种卷烟销量的预测方法， 其特 征在于， 包括： 利用卷烟销量的预测模型的第一特征提取器从销量预测指标的具体数据中提取特征 图； 将所述特 征图输入所述卷烟销量的预测模型的第一回归器， 获得 卷烟销量的预测值。 2.根据权利要求1所述的卷烟销量的预测方法， 其特征在于， 所述销量预测指标的具体 数据是从原 始数据中筛 选出的影响卷烟销量预测的数据。 3.根据权利要求1或2所述的卷烟销量的预测方法， 其特征在于， 对所述特征提取器进 行训练包括： 构建教师模型， 所述教师模型包括第二特 征提取器； 对所述第二特 征提取器进行训练； 对所述第二特 征提取器进行 特征蒸馏， 以训练所述第一特 征提取器。 4.根据权利要求3所述的卷烟销量的预测方法， 其特征在于， 所述特征蒸馏包括对抗性 学习， 通过所述对抗性学习， 所述第一特征提取器生成与所述第二特征提取器相同的特征 图。 5.根据权利要求4所述的卷烟销量的预测方法， 其特征在于， 所述特征蒸馏还包括对比 学习， 通过 所述对比学习， 所述第一特 征提取器的输出 结果推向正样本， 拉离负 样本。 6.根据权利要求3所述的卷烟销量的预测方法， 其特征在于， 所述教师模型还包括第 二 回归器； 对所述第一回归器进行训练包括： 对所述第二回归器进行训练； 对所述第二回归器进行知识蒸馏， 以训练所述第一回归器。 7.根据权利要求6所述的卷烟销量的预测方法， 其特征在于， 所述知识蒸馏中， 依据所 述第二回归器输出 的第二销量预测 值与所述第一回归器输出的第一销量预测 值之间的距 离以及所述第一销量预测值与实际销量之间的距离来评价知识蒸馏的训练效果。 8.根据权利要求3所述的卷烟销量的预测方法， 其特征在于， 所述第 一回归器和所述第 二回归器均为包括两个全连接层的全连接网络 。 9.一种卷烟销量的预测装置， 其特 征在于， 包括特 征提取模块和回归 模块； 所述特征提取模块用于利用卷烟销量的预测模型中的第一特征提取器从销量预测指 标的具体数据中提取 特征图； 所述回归模块用于将所述特征图输入所述卷烟销量的预测模型中的第 一回归器， 获得 卷烟销量的预测值。 10.根据权利要求9所述的卷烟销量的预测装置， 其特征在于， 还包括预测模型训练模 块， 所述预测模型训练模块包括特 征蒸馏模块和知识蒸馏模块； 所述特征蒸馏模块用于对教师模型的第 二特征提取器进行特征蒸馏， 以训练所述第 一 特征提取器； 所述知识蒸馏模块用于对所述教师模型的第 二回归器进行知识蒸馏， 以训练所述第 一 回归器。权　利　要　求　书 1/1 页 2 CN 115511515 A 2一种卷烟销量的预测方 法及装置 技术领域 [0001]本申请涉及数据处 理技术领域， 更 具体地， 涉及一种卷烟销量的预测方法及装置 。 背景技术 [0002]销量预测， 指根据历史的销 售信息和商品的质量信息等信息对将来一段时间的商 品销售情况进 行预测。 准确的销量预测结果可以有效指导商品厂商和销售商对特定商品进 行有计划和科学地生产及销售， 不仅可以提高商品的销售额以提高商品利润， 还能指导商 品生产重心的合理调整， 以节约人力和生产原料资源， 减少浪费。 [0003]烟草的市场规模庞大， 涉及数百种品牌的烟草商品的研发和销售， 其销售相关的 数据容量巨大， 表 示的维度高。 由于许多 特征通常是嘈杂或相互关联的， 所以高维特征 空间 中通常包含一些不具有判别性的冗余信息， 冗余的数据特征不仅会增加进 行预测任务的神 经网络的维数， 增大训练深度模 型的难度， 甚至会掩盖有效数据特征的贡献， 从而 大幅降低 深度模型对卷烟商品的销量预测性能。 卷烟的内部销售、 商品成分相关信息以及外部的用 户评论等信息共同组成了复杂的数据库。 如何有效地对相关数据进行检索和筛选， 并提取 与销量预测相关的特征是一个重要问题。 现有的特征提取方法中， 需要专家根据经验来提 取与目标任务相关的特 征值， 人力成本较高， 且受经验影响较大， 提取质量层次不齐。 发明内容 [0004]本申请提供一种卷烟销量的预测方法及装置， 利用卷烟销量的预测模型进行销 售 数据的特征提取和销量的预测， 避免人工提取带来的人力成本和质量差异， 提高了销量预 测的精度。 [0005]本申请提供了一种卷烟销量的预测方法， 包括： [0006]利用卷烟销量的预测模型的第一特征提取器从销量预测指标的具体数据中提取 特征图； [0007]将特征图输入卷烟销量的预测模型的第一回归器， 获得 卷烟销量的预测值。 [0008]优选地， 销量预测指 标的具体数据是从原始数据中筛选出的影响卷烟销量预测的 数据。 [0009]优选地， 对特 征提取器进行训练包括： [0010]构建教师模型， 教师模型包括第二特 征提取器； [0011]对第二特 征提取器进行训练； [0012]对第二特 征提取器进行 特征蒸馏， 以训练第一特 征提取器。 [0013]优选地， 特征蒸馏包括对抗性学习， 通过对抗性学习， 第一特征提取器生成与第二 特征提取器相同的特 征图。 [0014]优选地， 特征蒸馏还包括对比学习， 通过对比学习， 第一特征提取器的输出结果推 向正样本， 拉离负 样本。 [0015]优选地， 教师模型还 包括第二回归器；说　明　书 1/8 页 3 CN 115511515 A 3