突发事件下融合粗细粒度文本数据的供应链需求预测方法

本发明涉及供应链需求预测，具体为突发事件下融合粗细粒度文本数据的供应链需求预测方法。

背景技术：

1、供应链需求预测是供应链管理中的重要基础环节，其预测结果直接影响库存配置、生产计划以及物流调度等决策。在正常市场环境下，需求预测通常以历史销量、价格、促销活动及节假日等结构化业务数据作为主要预测依据，并结合回归分析、时间序列分析或机器学习模型完成需求预测。然而，在公共卫生事件、自然灾害、社会热点事件等突发事件影响下，消费者需求容易受到外部舆情和市场情绪的影响，传统依赖结构化业务数据的需求预测方法难以及时反映市场需求变化，导致预测结果偏离实际需求。

2、随着社交媒体平台的广泛应用，大量用户围绕产品和事件发布评论、讨论及观点，为需求预测提供了丰富的文本信息，现有技术通常将社交媒体文本转换为情感特征参与需求预测，例如提取反映文本整体情感倾向的粗粒度情感信息，或者提取针对产品不同方面的细粒度情感信息，并将其作为辅助特征输入预测模型。

3、然而，上述方法通常仅利用单一粒度的情感信息，或者将不同粒度的情感信息简单组合后参与预测，未能围绕统一时间周期对不同粒度的情感信息进行协同统计并与结构化业务数据形成一致的预测输入，导致社交媒体文本中的情感信息利用不充分，在突发事件下难以准确反映市场情绪变化对产品需求的影响，从而影响供应链需求预测的准确性。

4、为此，本发明提出突发事件下融合粗细粒度文本数据的供应链需求预测方法。

技术实现思路

1、本发明的目的在于提供突发事件下融合粗细粒度文本数据的供应链需求预测方法，以解决上述背景技术中提出的问题。

2、根据本发明的第一方面，为实现上述目的，本发明提供如下技术方案：突发事件下融合粗细粒度文本数据的供应链需求预测方法，包括以下步骤：

3、获取目标产品对应预设时间范围内的结构化业务数据以及社交媒体文本数据，对所述结构化业务数据进行预处理，得到结构化特征数据，对所述社交媒体文本数据进行预处理，得到文本数据；

4、根据所述文本数据提取对应文本的粗粒度情感特征以及细粒度情感特征，并依据所述文本对应的发布时间，对同一时间周期内对应文本的粗粒度情感特征和细粒度情感特征分别进行统计，得到对应时间周期的粗粒度情感数据和细粒度情感数据；

5、将对应时间周期的粗粒度情感数据、细粒度情感数据与对应时间周期的结构化特征数据进行融合，得到对应时间周期的预测输入数据；

6、对所述预测输入数据进行标准化处理，并将标准化处理后的预测输入数据输入预先构建的需求预测模型，得到对应时间周期的需求预测结果；

7、根据所述需求预测结果以及对应时间周期的实际需求数据计算预测评价指标。

8、进一步地，获取目标产品对应的结构化业务数据以及社交媒体文本数据，对所述结构化业务数据进行预处理，得到结构化特征数据，对所述社交媒体文本数据进行预处理，得到文本数据，具体如下：

9、获取目标产品对应预设时间范围内的结构化业务数据，其中，所述结构化业务数据包括目标产品对应的历史需求数据以及影响需求变化的业务数据；

10、按照预设时间周期对所述结构化业务数据进行整理，对缺失数据进行补全，对异常数据进行处理，得到对应时间周期的结构化特征数据；

11、获取与所述目标产品对应的社交媒体文本数据，并记录各文本对应的发布时间；

12、对所述社交媒体文本数据进行字符清洗、中文分词以及停用词去除处理，得到用于情感分析的文本数据。

13、进一步地，根据所述文本数据提取对应文本的粗粒度情感特征，具体如下：

14、获取所述文本数据，并将所述文本数据输入文本编码模型；

15、根据所述文本编码模型输出对应文本的语义表示数据；

16、根据所述语义表示数据计算反映文本整体情感倾向的情感得分；

17、将所述反映文本整体情感倾向的情感得分作为对应文本的粗粒度情感特征。

18、进一步地，根据所述文本数据提取对应文本的细粒度情感特征，具体如下：

19、获取所述文本数据，并识别所述文本数据中涉及的方面实体，得到对应文本的方面实体数据；

20、根据所述方面实体数据，提取各方面实体对应的文本内容；

21、根据各方面实体对应的文本内容，分别分析各方面实体对应的情感倾向，得到各方面实体对应的情感得分；

22、根据各方面实体对应的情感得分进行统计处理，得到对应文本的细粒度情感得分，将所述细粒度情感得分作为对应文本的细粒度情感特征。

23、进一步地，依据所述文本对应的发布时间，对同一时间周期内对应文本的粗粒度情感特征和细粒度情感特征分别进行统计，得到对应时间周期的粗粒度情感数据和细粒度情感数据，具体如下：

24、按照所属时间周期分别获取同一时间周期内各文本对应的粗粒度情感特征和细粒度情感特征；

25、根据同一时间周期内各文本对应的粗粒度情感特征进行统计处理，得到对应时间周期的粗粒度情感数据；

26、根据同一时间周期内各文本对应的细粒度情感特征进行统计处理，得到对应时间周期的细粒度情感数据。

27、进一步地，将对应时间周期的粗粒度情感数据、细粒度情感数据与对应时间周期的结构化特征数据进行融合，得到对应时间周期的预测输入数据，具体如下：

28、获取对应时间周期的结构化特征数据、粗粒度情感数据以及细粒度情感数据；

29、按照对应时间周期对所述结构化特征数据、粗粒度情感数据以及细粒度情感数据进行时间对应；

30、按照预设特征顺序对时间对应后的结构化特征数据、粗粒度情感数据以及细粒度情感数据进行组合，得到融合数据，将所述融合数据作为对应时间周期的预测输入数据。

31、进一步地，对所述预测输入数据进行标准化处理，并将标准化处理后的预测输入数据输入预先构建的需求预测模型，得到对应时间周期的需求预测结果，具体如下：

32、获取预测输入数据，对得到的预测输入数据进行标准化处理，得到标准化预测输入数据；

33、将标准化预测输入数据输入预先构建的需求预测模型；

34、由所述需求预测模型输出目标产品对应时间周期的需求预测结果。

35、进一步地，所述需求预测模型为高斯过程回归模型、弹性网络模型、贝叶斯岭回归模型及岭回归模型中的任意一种。

36、进一步地，根据所述需求预测结果以及对应时间周期的实际需求数据计算预测评价指标，具体如下：

37、获取所述需求预测结果对应时间周期的实际需求数据；

38、基于实际需求数据，采用平均绝对百分比误差计算结果作为预测评价指标；

39、根据所述预测评价指标评价所述需求预测模型的预测性能。

40、根据本发明的第二方面，本发明提供一种突发事件下融合粗细粒度文本数据的供应链需求预测系统，用于实现第一方面描述的突发事件下融合粗细粒度文本数据的供应链需求预测方法，包括：

41、数据采集模块，用于获取目标产品对应的结构化业务数据以及社交媒体文本数据，对所述结构化业务数据进行预处理，得到结构化特征数据，对所述社交媒体文本数据进行预处理，得到文本数据；

42、特征提取模块，用于根据所述文本数据提取对应文本的粗粒度情感特征以及细粒度情感特征，并依据所述文本对应的发布时间，对同一时间周期内对应文本的粗粒度情感特征和细粒度情感特征分别进行统计，得到对应时间周期的粗粒度情感数据和细粒度情感数据；

43、数据融合模块，用于将对应时间周期的粗粒度情感数据、细粒度情感数据与对应时间周期的结构化特征数据进行融合，得到对应时间周期的预测输入数据；

44、预测结果输出模块，用于对所述预测输入数据进行标准化处理，并将标准化处理后的预测输入数据输入预先构建的需求预测模型，得到对应时间周期的需求预测结果；

45、评估模块，用于根据所述需求预测结果以及对应时间周期的实际需求数据计算预测评价指标。

46、本发明至少具备以下有益效果：

47、1.本发明通过获取目标产品对应的结构化业务数据以及社交媒体文本数据，并分别提取社交媒体文本中的粗粒度情感特征和细粒度情感特征，进一步依据文本发布时间对不同粒度的情感特征进行时间周期统计，使社交媒体文本中的整体情感信息与方面级情感信息能够分别形成对应时间周期的情感数据，有利于提高不同粒度情感信息的利用程度，为后续需求预测提供更加丰富的情感特征支撑。

48、2.本发明依据统一时间周期，将粗粒度情感数据、细粒度情感数据与结构化特征数据进行融合，构建对应时间周期的预测输入数据，使不同来源的数据在统一时间维度下形成协同表征，有利于充分反映突发事件期间市场情绪变化与业务数据变化之间的关联关系，提高预测输入数据对需求变化的表征能力，从而提升供应链需求预测的可靠性。

49、3.本发明通过对预测输入数据进行标准化处理后输入预先构建的需求预测模型进行需求预测，使不同来源的数据能够以统一的数据形式参与模型计算，有利于降低不同数据特征之间尺度差异对预测过程造成的影响，提高需求预测模型对融合数据的适应能力，从而提高供应链需求预测结果的稳定性。

50、4.本发明结合需求预测结果与实际需求数据计算预测评价指标，对需求预测模型的预测性能进行评价，有利于对需求预测结果进行量化分析，为需求预测模型的优化及供应链需求预测方案的改进提供参考依据，提高供应链需求预测方法的实用性。

51、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。