[發明專利]事件預測方法、裝置、設備及存儲介質

在審

• 申請號: 201910736035.4
• 申請日: 2019-08-09
• 公開（公告）號: CN110458355A
• 公開（公告）日: 2019-11-15
• 發明（設計）人: 李夫路;梁爽
• 申請（專利權）人: 泰康保險集團股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/04;G06N3/08
• 代理公司: 72003 隆天知識產權代理有限公司
• 代理人: 鄭特強;章侃銥<國際申請>=<國際公布>

1.一種事件預測方法，其特征在于，包括：

獲取在第一預定時間內發生的事件的數據；

根據在所述第一預定時間內發生的所述事件的數據，確定訓練集；

基于所述訓練集，對長短期記憶網絡進行訓練，獲得事件預測模型；以及

根據所述事件預測模型，對待預測日期內待發生的所述事件進行預測。

2.根據權利要求1所述的方法，其特征在于，還包括：

獲取在第二預定時間內發生的所述事件的數據；

根據在所述第二預定時間內發生的所述事件的數據，確定所述事件預測模型的驗證集；

基于所述驗證集，通過損失函數對所述事件預測模型中的模型參數進行迭代處理；

每次迭代更新后，計算當前事件預測模型在所述驗證集上的損失函數的值；

根據所述損失函數的值繪制損失函數曲線；以及

當所述損失函數曲線收斂時，根據當前事件預測模型的模型參數優化所述事件預測模型的模型參數，以優化所述事件預測模型。

3.根據權利要求1或2所述的方法，其特征在于，所述事件包括：養老事件；根據在所述第一預定時間內發生的所述事件的數據，確定事件預測模型的訓練集包括：

根據在所述第一預定時間內發生的所述養老事件的數據，分別確定出在所述第一預定時間內每預設間隔發生的所述養老事件的第一次數；以及

將所述第一次數作為所述訓練集。

4.根據權利要求3所述的方法，其特征在于，基于所述訓練集，對長短期記憶網絡進行訓練包括：

根據所述第一次數構建基于時間的矩陣；以及

將所述矩陣作為所述訓練集，對所述長短記憶網絡進行訓練。

5.根據權利要求3所述的方法，其特征在于，根據在所述第二預定時間內發生的所述事件的數據，確定所述事件預測模型的驗證集包括：

根據在所述第二預定時間內發生的所述養老事件的數據，分別確定出在所述第二預定時間內每所述預設間隔發生的所述養老事件的第二次數；以及

將所述第二次數作為驗證集。

6.根據權利要求1或2所述的方法，其特征在于，所述事件包括：住院事件；根據在所述第一預定時間內發生的所述事件的數據，確定事件預測模型的訓練集包括：將在所述第一預定時間內每預設間隔發生的所述住院事件的數據作為所述訓練集。

7.根據權利要求6所述的方法，其特征在于，基于所述訓練集，對長短期記憶網絡進行訓練包括：

根據所述住院事件的數據構建基于時間的矩陣；以及

將所述矩陣作為所述訓練集，對所述長短記憶網絡進行訓練。

8.根據權利要求6所述的方法，其特征在于，根據在所述第二預定時間內發生的所述事件的數據，確定所述事件預測模型的驗證集包括：將在所述第二預定時間內每所述預設間隔發生的所述住院事件的數據作為所述驗證集。

9.根據權利要求1所述的方法，其特征在于，獲取在第一預定時間內發生的所述事件的數據包括：從已構建的區塊鏈網絡中獲取其存儲在第一預定時間內發生的所述事件的數據。

10.一種事件預測裝置，其特征在于，包括：

數據獲取模塊，用于獲取在第一預定時間內發生的事件的數據；

訓練集確定模塊，用于根據在所述第一預定時間內發生的所述事件的數據，確定事件預測模型的訓練集；

系統訓練模塊，用于基于所述訓練集，對長短期記憶網絡進行訓練，獲得所述事件預測模型；以及

事件預測模塊，用于根據所述事件預測模型，對待預測日期內待發生的所述事件進行預測。

11.一種計算機設備，包括：存儲器、處理器及存儲在所述存儲器中并可在所述處理器中運行的可執行指令，其特征在于，所述處理器執行所述可執行指令時實現如權利要求1-9任一項所述的方法。

12.一種計算機可讀存儲介質，其上存儲有計算機可執行指令，其特征在于，所述可執行指令被處理器執行時實現如權利要求1-9任一項所述的方法。