Китайская национальная нефтегазовая корпорация (кратко Китайская нефтяная компания) управляет большим ассортиментом товаров (включая нефтепродукты и нелесировочные товары) и имеет множество автозаправочных станций. Продажи каждого товара на разных АЗС различаются, и в практике анализа розничных продаж нереалистично строить отдельную модель для каждого товара на каждой АЗС. Необходимо использовать единую модель для прогнозирования продаж различных товаров, что требует, чтобы модель могла различать характеристики товаров и АЗС. Поскольку однократное кодирование (one-hot encoding) для каждого товара и АЗС приводит к высоким размерностям данных и отсутствию достаточного объема данных о продажах для обучения, предложено использование онтологических графов и моделей графовых нейронных сетей, которые отображают различные товары и АЗС в векторное пространство с малой размерностью, позволяя модели с малым числом измерений различать характеристики товаров и АЗС, достигая цели построения единой модели. На примере прогнозирования продаж розничной торговли нефтепродуктами используется модель GATNE (гетерогенная графовая нейронная сеть для графового встраивания), которая векторизует особенности АЗС и товаров, а затем объединяет эти векторы с историческими данными для подачи в модели прогнозирования продаж, такие как XGBoost (экстремальное градиентное бустинг дерево). Верификация показала, что единая модель прогнозирования продаж, основанная на векторных представлениях топливных узлов АЗС, имеет более высокую точность по сравнению с моделью, построенной напрямую на основе товаров и групп АЗС, и что такая модель соответствует бизнес-логике и имеет прикладную ценность по сравнению с моделями, построенными отдельно по номерам товаров и АЗС.

нефтепродукты;прогнозирование продаж;онтологический граф;модель GATNE;модель XGBoost