[發(fā)明專利]基于時(shí)序特征提取的多任務(wù)預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010797382.0
• 申請(qǐng)日: 2020-08-10
• 公開(kāi)（公告）號(hào): CN111949708B
• 公開(kāi)（公告）日: 2023-07-25
• 發(fā)明（設(shè)計(jì)）人: 張憲桐
• 申請(qǐng)（專利權(quán)）人: 中國(guó)平安人壽保險(xiǎn)股份有限公司
• 主分類號(hào): G06F18/213
• 分類號(hào): G06F18/213;G06F18/214;G06F18/22;G06F18/27;G06N3/08;G06F123/02
• 代理公司: 深圳市賽恩倍吉知識(shí)產(chǎn)權(quán)代理有限公司 44334
• 代理人: 陳敬華

1.一種基于時(shí)序特征提取的多任務(wù)預(yù)測(cè)方法，其特征在于，所述基于時(shí)序特征提取的多任務(wù)預(yù)測(cè)方法包括：

當(dāng)接收到預(yù)測(cè)指令時(shí)，從所述預(yù)測(cè)指令中識(shí)別預(yù)測(cè)場(chǎng)景；

根據(jù)所述預(yù)測(cè)場(chǎng)景調(diào)取至少一個(gè)目標(biāo)預(yù)測(cè)模型；

根據(jù)所述預(yù)測(cè)指令獲取待處理數(shù)據(jù)；

對(duì)所述待處理數(shù)據(jù)進(jìn)行相關(guān)性特征提取，得到相關(guān)性特征；

對(duì)所述相關(guān)性特征進(jìn)行連續(xù)性處理，得到連續(xù)性特征；

對(duì)所述連續(xù)性特征進(jìn)行篩選及驗(yàn)證處理，得到目標(biāo)特征；

將所述目標(biāo)特征輸入至所述至少一個(gè)目標(biāo)預(yù)測(cè)模型中進(jìn)行處理，輸出預(yù)測(cè)結(jié)果；

所述對(duì)所述待處理數(shù)據(jù)進(jìn)行相關(guān)性特征提取，得到相關(guān)性特征包括：確定對(duì)于所述待處理數(shù)據(jù)的多個(gè)處理維度，并確定每個(gè)處理維度下所包含的數(shù)據(jù)，計(jì)算每個(gè)處理維度下所包含的數(shù)據(jù)的飽和度，對(duì)于每個(gè)處理維度，獲取該處理維度下所包含的數(shù)據(jù)的響應(yīng)比例、未響應(yīng)比例及證據(jù)權(quán)重，計(jì)算所述響應(yīng)比例與所述未響應(yīng)比例的差值，并計(jì)算所述差值與所述證據(jù)權(quán)重的乘積作為該處理維度下所包含的數(shù)據(jù)的第一信息價(jià)值，計(jì)算每個(gè)處理維度下所包含的數(shù)據(jù)的噪聲，獲取預(yù)先配置的與飽和度對(duì)應(yīng)的第一權(quán)重、與信息價(jià)值對(duì)應(yīng)的第二權(quán)重，及與噪聲對(duì)應(yīng)的第三權(quán)重，根據(jù)每個(gè)處理維度下所包含的數(shù)據(jù)的飽和度、每個(gè)處理維度下所包含的數(shù)據(jù)的第一信息價(jià)值、每個(gè)處理維度下所包含的數(shù)據(jù)的噪聲，以及所述第一權(quán)重、所述第二權(quán)重、所述第三權(quán)重計(jì)算加權(quán)和，獲取加權(quán)和最高的處理維度下所包含的數(shù)據(jù)作為所述相關(guān)性特征；

所述對(duì)所述相關(guān)性特征進(jìn)行連續(xù)性處理，得到連續(xù)性特征包括：確定對(duì)所述相關(guān)性特征進(jìn)行連續(xù)性處理的多種處理方式，計(jì)算每種處理方式下數(shù)據(jù)的第二信息價(jià)值，將第二信息價(jià)值最高的處理方式確定為目標(biāo)處理方式，以所述目標(biāo)處理方式從所述相關(guān)性特征中提取時(shí)序特征作為所述連續(xù)性特征；

所述將所述目標(biāo)特征輸入至所述至少一個(gè)目標(biāo)預(yù)測(cè)模型中進(jìn)行處理，輸出預(yù)測(cè)結(jié)果包括：對(duì)所述目標(biāo)特征進(jìn)行拆分，得到第一特征集及第二特征集，將所述第一特征集輸入至所述至少一個(gè)目標(biāo)預(yù)測(cè)模型中，輸出至少一個(gè)子預(yù)測(cè)數(shù)據(jù)，采用長(zhǎng)短期記憶算法訓(xùn)練所述至少一個(gè)子預(yù)測(cè)數(shù)據(jù)，得到目標(biāo)模型，將所述第二特征集輸入至所述目標(biāo)模型，輸出所述預(yù)測(cè)結(jié)果。

2.如權(quán)利要求1所述的基于時(shí)序特征提取的多任務(wù)預(yù)測(cè)方法，其特征在于，所述從所述預(yù)測(cè)指令中識(shí)別預(yù)測(cè)場(chǎng)景包括：

解析所述預(yù)測(cè)指令的方法體，得到所述預(yù)測(cè)指令的攜帶信息；

獲取預(yù)設(shè)標(biāo)簽，以所述預(yù)設(shè)標(biāo)簽在所述攜帶信息中進(jìn)行匹配，得到匹配的數(shù)據(jù)；

將所述匹配的數(shù)據(jù)確定為所述預(yù)測(cè)場(chǎng)景。

3.如權(quán)利要求1所述的基于時(shí)序特征提取的多任務(wù)預(yù)測(cè)方法，其特征在于，在根據(jù)所述預(yù)測(cè)場(chǎng)景調(diào)取至少一個(gè)目標(biāo)預(yù)測(cè)模型前，所述基于時(shí)序特征提取的多任務(wù)預(yù)測(cè)方法還包括：

獲取訓(xùn)練樣本；

將所述訓(xùn)練樣本拆分為訓(xùn)練集和驗(yàn)證集；

基于配置算法，以所述訓(xùn)練集進(jìn)行訓(xùn)練，得到至少一個(gè)初始模型；

以所述驗(yàn)證集驗(yàn)證所述至少一個(gè)初始模型；

將通過(guò)驗(yàn)證的初始模型確定為所述至少一個(gè)目標(biāo)預(yù)測(cè)模型，并將所述至少一個(gè)目標(biāo)預(yù)測(cè)模型部署于區(qū)塊鏈。

4.如權(quán)利要求1所述的基于時(shí)序特征提取的多任務(wù)預(yù)測(cè)方法，其特征在于，所述對(duì)所述連續(xù)性特征進(jìn)行篩選及驗(yàn)證處理，得到目標(biāo)特征包括：

對(duì)所述連續(xù)性特征進(jìn)行去重處理，得到去重?cái)?shù)據(jù)；

確定所述去重?cái)?shù)據(jù)中的每個(gè)數(shù)據(jù)相對(duì)于所述至少一個(gè)目標(biāo)預(yù)測(cè)模型的第三信息價(jià)值；

根據(jù)每個(gè)數(shù)據(jù)的第三信息價(jià)值驗(yàn)證每個(gè)數(shù)據(jù)；

當(dāng)有數(shù)據(jù)的第三信息價(jià)值大于或者等于配置閾值時(shí)，確定該數(shù)據(jù)通過(guò)驗(yàn)證；

整合所有通過(guò)驗(yàn)證的數(shù)據(jù)作為所述目標(biāo)特征。