[發(fā)明專利]預測方法及其模型的訓練方法、裝置、設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202111004452.3
• 申請日: 2021-08-30
• 公開（公告）號: CN113724889A
• 公開（公告）日: 2021-11-30
• 發(fā)明（設計）人: 周朋飛;張捷
• 申請（專利權）人: 上海商湯智能科技有限公司
• 主分類號: G16H50/80
• 分類號: G16H50/80;G06N3/04;G06N3/08
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 何倚雯

本申請公開了一種預測方法及其模型的訓練方法、裝置、設備及存儲介質，其中，預測方法包括：獲取目標時間節(jié)點關于所述目標事件的特征數(shù)據(jù)；獲取所述目標時間節(jié)點與至少一個參考時間節(jié)點之間的特征相關度；基于所述特征相關度、所述目標時間節(jié)點關于所述目標事件的特征數(shù)據(jù)和所述參考時間節(jié)點關于所述目標事件的特征數(shù)據(jù)，得到所述目標時間節(jié)點關于所述目標事件的預測結果。上述方案，能夠準確地對目標事件進行預測。

技術領域

本申請涉及人工智能技術領域，特別是涉及一種預測方法及其模型的訓練方法、裝置、設備及存儲介質。

背景技術

近年來，隨著神經(jīng)網(wǎng)絡、深度學習等人工智能技術的發(fā)展，人工智能技術相較于傳統(tǒng)人工具有高效、穩(wěn)定等優(yōu)異性能，開始廣泛應用于諸如醫(yī)療、安防、家電、物流等行業(yè)。

在社會生活中，往往存在著各種目標事件需要對其進行預測。以流行病為例，流行病預測是一項重要的課題，例如在北半球溫帶地區(qū)，每年冬天爆發(fā)的流感都會給人類社會帶來了沉重的健康負擔和經(jīng)濟負擔，由于流感病毒的變異，造成每年的疫苗都會產生變化，從而導致了疫苗生產廠商必須在很短的時間內生產出足夠的疫苗，來應對每年的流感爆發(fā)。此外，由于流感治療的特殊性、流感病床的動態(tài)分配也是一個艱難的課題。有鑒于此，如何準確地對目標事件進行預測成為亟待解決的問題。

發(fā)明內容

本申請?zhí)峁┮环N預測方法及其模型的訓練方法、裝置、設備及存儲介質。

本申請第一方面提供了一種預測方法，所述方法包括：獲取目標時間節(jié)點關于所述目標事件的特征數(shù)據(jù)；獲取所述目標時間節(jié)點與至少一個參考時間節(jié)點之間的特征相關度；基于所述特征相關度、所述目標時間節(jié)點關于所述目標事件的特征數(shù)據(jù)和所述參考時間節(jié)點關于所述目標事件的特征數(shù)據(jù)，得到所述目標時間節(jié)點關于所述目標事件的預測結果。

因此，通過獲取目標時間節(jié)點與至少一個參考時間節(jié)點之間的特征相關度，可以基于特征相關度、目標時間節(jié)點關于目標事件的特征數(shù)據(jù)和參考時間節(jié)點關于目標事件的特征數(shù)據(jù)，得到與目標時間節(jié)點相似的參考時間節(jié)點，從而可以參考歷史上相似的參考時間節(jié)點的流行病人數(shù)變化，來得到目標時間節(jié)點關于目標事件的預測結果，從而提高了對目標事件的預測的準確度和可解釋性。

其中，所述獲取所述目標時間節(jié)點與至少一個參考時間節(jié)點之間的特征相關度，包括：基于所述目標時間節(jié)點和每個參考時間節(jié)點之間的所述特征數(shù)據(jù)的相似度，確定所述目標時間節(jié)點與每個參考時間節(jié)點之間的特征相關度。

因此，通過獲取目標時間節(jié)點和每個參考時間節(jié)點之間的特征數(shù)據(jù)的相似度，可以確定目標時間節(jié)點與每個參考時間節(jié)點之間的特征相關度，于是可以得到與目標時間節(jié)點相似的參考時間節(jié)點，從而可以參考歷史上相似的參考時間節(jié)點的流行病人數(shù)變化，來得到目標時間節(jié)點關于目標事件的預測結果。

其中，所述基于所述特征相關度、所述目標時間節(jié)點關于所述目標事件的特征數(shù)據(jù)和所述參考時間節(jié)點關于所述目標事件的特征數(shù)據(jù)，得到所述目標時間節(jié)點關于所述目標事件的預測結果，包括：利用所述特征相關度，得到每個參考時間節(jié)點的權重；基于所述權重對所述目標時間節(jié)點的所述特征數(shù)據(jù)和所述參考時間節(jié)點的所述特征數(shù)據(jù)進行融合，得到融合特征數(shù)據(jù)；基于所述融合特征數(shù)據(jù)，得到所述目標時間節(jié)點關于所述目標事件的預測結果。

因此，通過目標時間節(jié)點與參考時間節(jié)點之間的特征相關度，可以得到每個參考時間節(jié)點的權重，基于權重可以對目標時間節(jié)點的特征數(shù)據(jù)和參考時間節(jié)點的特征數(shù)據(jù)進行融合，得到融合特征數(shù)據(jù)，進而可以得到目標時間節(jié)點關于目標事件的預測結果，使得在預測目標時間節(jié)點關于目標事件的結果時，參考了歷史上相似的時間節(jié)點，從而得到更準確的預測結果。