[發明專利]用于數據預測的模型選擇設備和方法

在審

• 申請號: 201310616088.5
• 申請日: 2013-11-27
• 公開（公告）號: CN104679754A
• 公開（公告）日: 2015-06-03
• 發明（設計）人: 王云芝;夏迎炬;孫健;李中華
• 申請（專利權）人: 富士通株式會社
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 康建峰;賈萌

1.一種用于數據預測的模型選擇設備，包括：

矩陣分解單元，被配置為對預測矩陣進行奇異值分解，其中，所述預測矩陣的行/列向量是樣本向量，列/行向量是對應維度的特征向量，所述樣本向量之一是包含待預測特征序列的待預測向量；

模型選擇單元，被配置為基于由所述矩陣分解單元通過進行奇異值分解獲得的、能夠反映所述預測矩陣的樣本向量的子矩陣來選擇要應用于待預測特征序列的預測的模型。

2.根據權利要求1所述的模型選擇設備，其中，所述模型選擇單元被配置為：

計算所述子矩陣中對應于已知向量的各子已知向量和對應于所述待預測向量的向量之間的相似度，所述已知向量是所述樣本向量中待預測向量之外的樣本向量；以及

將相似度最高的若干個子已知向量所對應的已知向量的所有預測維度的最佳模型作為候選模型，其中，所述預測維度是所述已知向量的預測所包含的預測單元。

3.根據權利要求2所述的模型選擇設備，其中，所述模型選擇單元被配置為：

通過將候選模型在相似度最高的所述若干個已知向量中對應預測維度出現的次數按所述候選模型在所有先前預測中成為最佳模型的概率加權來計算候選模型的得分；以及

將分值最高的候選模型確定為待預測序列的對應預測維度的最佳模型。

4.根據權利要求1至3中任一個所述的模型選擇設備，還包括預測矩陣構造單元，被配置為利用待預測特征序列與已知樣本序列來構造預測矩陣。

5.根據權利要求4所述的模型選擇設備，其中，所述預測矩陣構造單元被配置為：

將已知樣本序列與待預測特征序列按特定順序擴展為第一擴展序列，以用作待預測向量；

參照第一擴展序列的擴展方式對已知樣本序列進行擴展，得到第二擴展序列組，以用作已知向量組；以及

將第一擴展序列和第二擴展序列組構造為矩陣，并且，將所述待預測特征序列中的各元素設置為給定初設值。

6.一種用于數據挖掘的模型選擇方法，包括：

對預測矩陣進行奇異值分解，其中，所述預測矩陣的行/列向量是樣本向量，列/行向量是對應維度的特征向量，所述樣本向量之一是包含待預測特征序列的待預測向量；

基于通過奇異值分解獲得的、能夠反映所述預測矩陣的樣本向量的子矩陣來選擇要應用于待預測特征序列的預測的模型。

7.根據權利要求6所述的模型選擇方法，其中，對模型進行選擇包括：

計算所述子矩陣中對應于已知向量的各子已知向量和對應于所述待預測向量的向量之間的相似度，所述已知向量是所述樣本向量中待預測向量之外的樣本向量；以及

將相似度最高的若干個子已知向量所對應的已知向量的所有預測維度的最佳模型作為候選模型，其中，所述預測維度是所述已知向量的預測所包含的預測單元。

8.根據權利要求7所述的模型選擇方法，其中，對模型進行選擇還包括：

通過將候選模型在相似度最高的所述若干個已知向量中對應預測維度出現的次數按所述候選模型在所有先前預測中成為最佳模型的概率加權來計算候選模型的得分；以及

將分值最高的候選模型確定為待預測序列的對應預測維度的最佳模型。

9.根據權利要求6至8中任一個所述的模型選擇方法，還包括：利用待預測序列與已知樣本序列來構造預測矩陣。

10.根據權利要求9所述的模型選擇方法，其中，所述預測矩陣的構造包括：

將已知樣本序列與待預測序列按特定順序擴展為第一擴展序列，以用作待預測向量；

參照第一擴展序列的擴展方式對已知樣本序列進行擴展，得到第二擴展序列組，以用作已知向量組；以及

將第一擴展序列和第二擴展序列組構造為矩陣，并且，將所述待預測序列中的各元素設置為給定初設值。