本发明涉及数据处理，尤其涉及一种供应中断恢复场景的销量预测方法、装置、存储介质、电子设备及程序产品。
背景技术：
1、近年来，电子商务和电子商务物流在互联网时代的背景下蓬勃发展。越来越多的服务和产品被添加到在线业务中，以增加客户的购物便利性。电子商务的商业环境是高度动态的，在竞争激烈和不断变化的商业场景中，销量预测为电子商务企业提供参考信息，以避免库库存积压或者短缺的情况。
2、在实现本发明的过程中，发现现有技术中至少存在以下技术问题：在线业务的交易并非面对面交易，需通过物流方式将货物从卖家运输至买家。在由于特殊原因导致某一地区供应中断的情况下，导致在线业务的产品销量下降，并在供应中断恢复后产品销量在短时间内激增。目前，不能对供应中断恢复场景的销量进行准确预测。
技术实现思路
1、本发明提供了一种供应中断恢复场景的销量预测方法、装置、存储介质、电子设备及程序产品，以实现在供应中断恢复场景进行销量预测。
2、根据本发明的一方面，提供了一种供应中断恢复场景的销量预测方法，包括：
3、获取预测对象在目标区域供应中断前的历史销量数据，基于所述预测对象对应的历史销量数据确定所述预测对象的销量趋势特征；
4、确定所述预测对象的销量趋势特征对应的销量预测模型，其中，所述销量预测模型基于样本对象在样本区域供应中断前后的销量数据训练得到，其中，所述样本区域为供应中断的已恢复区域，所述样本对象为符合所述销量趋势特征的对象；
5、基于所述销量预测模型对所述预测对象在目标区域供应中断前的历史销量数据进行预测处理，得到所述预测对象在所述目标区域供应中断恢复后的销量预测数据。
6、可选的，所述销量预测模型包括依次连接的基础特征提取模块、时序特征提取模块、注意力模块和全连接层；
7、所述基础特征提取模块提取所述历史销量数据的局部特征信息；
8、所述时序特征提取模块基于所述局部特征信息提取所述历史销量数据中的时序特征信息；
9、所述注意力模块生成所述时序特征信息的权重，并基于所述权重对所述时序特征信息进行加权处理，得到注意力特征信息；
10、所述全连接层基于所述注意力特征信息生成所述预测对象在所述目标区域供应中断恢复后的销量预测数据。
11、可选的，所述确定所述预测对象的销量趋势特征对应的销量预测模型，包括：将所述预测对象的销量趋势特征分别与多个已知销量趋势特征进行匹配，确定所述预测对象的销量趋势特征相匹配的已知销量趋势特征，将匹配到的所述已知销量趋势特征对应的销量预测模型确定为所述预测对象的销量趋势特征对应的销量预测模型。
12、可选的，所述已知销量趋势特征的确定方法包括：获取多个对象的历史销量数据，所述历史销量数据为销量数据的时间序列；
13、基于任意两个对象的历史销量数据之间时序累计距离对所述对象进行分类处理，得到多个对象类，每一所述对象类包括至少一个对象；基于每一所述对象类中包括至少一个对象的历史销量数据确定一个所述已知销量趋势特征。
14、可选的，所述销量趋势特征由销量趋势特征向量表征；
15、所述基于所述预测对象对应的历史销量数据确定所述预测对象的销量趋势特征，包括：基于特征提取模型对所述预测对象对应的历史销量数据进行特征提取，得到所述预测对象的销量趋势特征数据向量；
16、以及，所述基于每一所述对象类中包括至少一个对象的历史销量数据确定一个所述已知销量趋势特征，包括：基于每一所述对象类中包括至少一个对象的历史销量数据确定类中心数据，基于所述特征提取模型对所述类中心数据进行特征提取，得到所述已知销量趋势特征向量。
17、可选的，所述销量趋势特征由销量趋势类型表征；
18、所述基于所述预测对象对应的历史销量数据确定所述预测对象的销量趋势特征，包括：分别确定所述预测对象对应的历史销量数据分别与每一对象类的类中心的距离数据；确定最小距离数据对应的目标对象类，将所述目标对象类的销量趋势类型确定为所述预测对象的销量趋势类型。
19、可选的，每一所述已知销量趋势特征分别对应一销量预测模型，所述已知销量趋势特征对应的销量预测模型的训练方法，包括:
20、获取所述样本区域内多个对象在供应中断前后的销量数据，基于所述多个对象在供应中断前的销量数据确定多个样本分别对应的销量趋势特征；
21、基于所述多个对象分别对应的销量趋势特征，在所述多个对象中确定符合所述已知销量趋势特征的样本对象；将所述样本对象在供应中断前的销量数据作为输入数据，将所述样本对象在供应中断恢复后的销量数据作为标签数据，对初始化的销量预测模型进行训练处理，得到所述已知销量趋势特征对应的销量预测模型。
22、根据本发明的另一方面，提供了一种供应中断恢复场景的销量预测装置，包括：
23、数据获取模块，用于获取预测对象在目标区域供应中断前的历史销量数据，基于所述预测对象对应的历史销量数据确定所述预测对象的销量趋势特征；
24、预测模型确定模块，用于确定所述预测对象的销量趋势特征对应的销量预测模型，其中，所述销量预测模型基于样本对象在样本区域供应中断前后的销量数据训练得到，其中，所述样本区域为供应中断的已恢复区域，所述样本对象为符合所述销量趋势特征的对象；
25、预测模块，用于基于所述销量预测模型对所述预测对象在目标区域供应中断前的历史销量数据进行预测处理，得到所述预测对象在所述目标区域供应中断恢复后的销量预测数据。
26、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
27、至少一个处理器；以及
28、与所述至少一个处理器通信连接的存储器；其中，
29、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的供应中断恢复场景的销量预测方法。
30、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的供应中断恢复场景的销量预测方法。
31、根据本发明的另一方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现本发明任一实施例所述的供应中断恢复场景的销量预测方法。
32、本发明实施例的技术方案，通过预测对象的销量趋势特征匹配到对应的销量预测模型，该销量预测模型对符合销量趋势特征的预测对象的预测准确率高，可提高预测对象在目标区域供应中断恢复后预测时间段内的销量预测数据的准确性。
33、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种供应中断恢复场景的销量预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述销量预测模型包括依次连接的基础特征提取模块、时序特征提取模块、注意力模块和全连接层；
3.根据权利要求1所述的方法，其特征在于，所述确定所述预测对象的销量趋势特征对应的销量预测模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述已知销量趋势特征的确定方法包括：
5.根据权利要求4所述的方法，其特征在于，所述销量趋势特征由销量趋势特征向量表征；
6.根据权利要求4所述的方法，其特征在于，所述销量趋势特征由销量趋势类型表征；
7.根据权利要求3所述的方法，其特征在于，每一所述已知销量趋势特征分别对应一销量预测模型，所述已知销量趋势特征对应的销量预测模型的训练方法，包括:
8.一种供应中断恢复场景的销量预测装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的供应中断恢复场景的销量预测方法。
11.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现权利要求1-7中任一项所述的供应中断恢复场景的销量预测方法。
