问如何预测基于内容的需求

EN

这是我在ds StackExchange上的第一篇文章，所以请温和一点，如果有什么不清楚的地方请告诉我:)

我有许多产品(>100万)，我将所有购买的产品都保存在一个带有时间戳的DB中。(“采购数据”)

每种产品都有“内容特征”(如产品尺寸、产品安全等级等)。

“购买数据”如下所示：

\x\x{e76f}\{e76f}\x{e76f}\x{e76f}

其中每一行都是购买带有时间戳id的产品。

我的主要目标是获得明天最想要的产品，我将问题转化为第二天的需求预测，或者将每个产品标识和日划分为高需求或低需求)，

在这些设置中，我遇到了两个主要问题：

1. 生成需求数据:我希望将“购买数据”转换为一天的需求(“需求数据”)--这意味着我按产品id和天对数据进行分组，然后计数行数并将其保存为'freq‘(并删除行复制).问题是，每天的最小产品频率是1，而不是0。

例如:如果产品#1在周日3次购买，周三2次购买，则购买和需求数据如下：

“购买数据”fi(产品id)正在映射到内容特性i：

| time stamp | product id | content f 1 | ... | content f N | | Sunday 05:20 | 1 | f1(1) | ... | fn(1) | | Sunday 08:11 | 1 | f1(1) | ... | fn(1) | | Sunday 10:25 | 1 | f1(1) | ... | fn(1) | | Wednesday 08:10 | 1 | f1(1) | ... | fn(1) | | Wednesday 16:20 | 1 | f1(1) | ... | fn(1) |

“需求数据”：

| day | product id | content f 1 | ... | content f N | freq | | Sunday | 1 | f1(1) | ... | fn(1) | 3 | | Wednesday | 1 | f1(1) | ... | fn(1) | 2 | But if product #1 was not purchase at Monday there wouldn't be any row since there is no purchase data for this item at that timestamp.

由于有超过100万种产品，所以我希望避免创建0频率的行，

是否有一种方法可以在不使用0需求行的情况下为大量项目(产品)创建(或设计)需求数据？

1. 基于内容的时间序列:在创建“需求数据”之后，我想将其用作时间series. --我的问题是，我需要将数据分割成1米以上的序列，每个产品/项目id都有一个，而且这些序列也非常稀疏.我想找到一种使用“内容特征”作为时间序列输入的方法，并让模型学习使用某种基于相关内容特征的时间序列平均值。

基于内容的序列时间预测的最佳建模方法是什么？