[發明專利]信息處理方法及裝置

在審

• 申請號: 202211009100.1
• 申請日: 2022-08-22
• 公開（公告）號: CN115330069A
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 李勇;張云柯;李桐;楊帆;孫福寧
• 申請（專利權）人: 騰訊大地通途（北京）科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/20;G06Q50/22;G06Q50/26;G06N20/00
• 代理公司: 北京市立方律師事務所 11330
• 代理人: 張秀程

1.一種信息處理方法，其特征在于，包括：

獲取目標區域在當前時段的當前區域屬性信息序列，所述當前時段包括連續的多個子時段；所述當前區域屬性信息序列包括所述多個子時段的區域屬性信息；

將所述當前區域屬性信息序列輸入至預先訓練的需求預測模型，通過所述需求預測模型得到所述目標區域在當前時段的下一子時段的公共設施需求信息的預測結果；

其中，所述需求預測模型是基于多個帶有標簽的訓練樣本對神經網模型進行訓練得到的，每個所述訓練樣本包括一個樣本區域的樣本區域屬性信息序列，每個所述訓練樣本的標簽為所述訓練樣本對應的公共設施需求信息的真實結果。

2.根據權利要求1所述的方法，其特征在于，每個子時段的區域屬性信息包括以下至少一種：

所述目標區域在該子時段的至少一個屬性維度的第一屬性值；

所述第一屬性值相對于上一子時段的變化量；

相應區域的相鄰區域在該子時段的至少一個屬性維度的第二屬性值；

所述第二屬性值相對于上一子時段的變化量；

各個目標公共設施的級別信息，其中，所述各個目標公共設施為第一區域中的公共設施，所述目標區域為所述第一區域中的子區域；

各個目標公共設施與所述目標區域的距離。

3.根據權利要求1或2所述的方法，其特征在于，通過所述需求預測模型得到所述目標區域在當前時段的下一子時段的公共設施需求信息的預測結果，包括：

對于當前時段中第一個子時段，根據所述第一個子時段的區域屬性信息，獲得所述第一個子時段的隱狀態向量；

對于當前時段中的除所述第一個子時段之外的子時段，根據所述子時段的區域屬性信息以及所述子時段的前一個子時段的隱狀態向量，確定所述子時段的隱狀態向量；

根據當前時段中的最后一個子時段的隱狀態向量，獲得所述目標區域在當前時段的下一子時段的公共設施需求信息的預測結果。

4.根據權利要求3所述的方法，其特征在于，所述通過所述需求預測模型得到所述目標區域在當前時段的下一子時段的公共設施需求信息的預測結果，還包括：

對每個子時段的區域屬性信息進行編碼，得到每個子時段的編碼向量；

所述根據所述第一個子時段的區域屬性信息，獲得所述第一個子時段的隱狀態向量，包括：根據所述第一個子時段的編碼向量，獲得所述第一個子時段的隱狀態向量；

所述根據所述子時段的區域屬性信息以及所述子時段的前一個子時段的隱狀態向量，確定所述子時段的隱狀態向量，包括：

根據所述子時段的編碼向量以及所述子時段的前一個子時段的隱狀態向量，確定所述子時段的隱狀態向量。

5.根據權利要求1或2所述的方法，其特征在于，所述需求預測模型是通過以下方式訓練得到的：

通過所述神經網絡模型得到每個訓練樣本對應的預測結果；

根據各個訓練樣本的真實結果和預測結果之間的差異，確定訓練損失；

若滿足訓練結束條件，則將所述神經網絡模型作為所述需求預測模型；若不滿足訓練結束條件，則基于訓練損失對模型參數進行調整，并基于所述多個訓練樣本對調整后的模型繼續訓練，直至滿足訓練結束條件。

6.根據權利要求5所述的方法，其特征在于，每個所述樣本區域屬性信息序列包括樣本區域在樣本時段的區域屬性信息，所述樣本時段包括連續的多個子時段；

所述通過所述神經網絡模型得到每個訓練樣本對應的預測結果，包括：

對于樣本時段中第一個子時段，根據所述第一個子時段的區域屬性信息，獲得所述第一個子時段的隱狀態向量；

對于當前時段中的除所述第一個子時段之外的子時段，根據所述子時段的區域屬性信息以及所述子時段的前一個子時段的隱狀態向量，確定所述子時段的隱狀態向量；

對于樣本時段中的至少一個子時段，根據所述至少一個子時段的隱狀態向量，獲得所述訓練樣本對應的預測結果；

其中，所述訓練樣本對應的預測結果包括所述至少一個子時段中每個子時段對應的公共設施需求信息的預測結果。