中国石油天然気集団有限公司（略称中国石油）は、多種多様な商品（石油製品および非石油製品を含む）を大量に取り扱い、多数のガソリンスタンドを運営しています。各商品は異なるガソリンスタンドで販売パターンが異なり、小売業務の分析において各ガソリンスタンドごとに各商品のモデルを構築することは現実的ではありません。異なる商品やガソリンスタンドの差異情報をモデルが識別できる必要があり、すべての商品および各ガソリンスタンドにワンホットエンコーディングを行うとデータ次元が高くなり、大量の販売データが訓練に不足するため、知識グラフとグラフニューラルネットワークモデルを導入し、異なる商品やガソリンスタンドを低次元のベクトル空間にマッピングすることで、モデルが少数の次元でこれらの差異を識別でき、統一モデルの構築を可能にすることを提案します。完成燃料油小売業の売上予測を例に、GATNE（異種グラフニューラルネットワーク埋め込みモデル）を用いてガソリンスタンドと商品の特性をベクトル化し、過去データのベクトルと連結してXGBoost（極度勾配ブースティング木）などの売上予測モデルの入力データとします。検証の結果、商品やガソリンスタンド群に基づく統一モデルよりも、ガソリンスタンド次元で油品ノードのグラフベクトル表現を導入して構築した統一売上予測モデルの方が精度が高く、品番ごとにガソリンスタンド単独モデルと比較しても、ガソリンスタンド次元の統一売上予測モデルは業務ロジックに合致し、実用的な価値があることが確認されました。

完成燃料油;売上予測;知識グラフ;GATNEモデル;XGBoostモデル