交易量的预测方法及装置制造方法及图纸

本说明书实施例提供一种交易量的预测方法及装置，在交易量的预测方法中，获取当天过去时刻的交易数据以及与当天的交易相关的舆情数据。对交易数据、舆情数据以及预设的影响数据进行预处理，得到预处理后的数据。将预处理后的数据输入根据历史数据得到的预测模型，以预测当天的总交易量。

【技术实现步骤摘要】
交易量的预测方法及装置
本说明书一个或多个实施例涉及计算机
，尤其涉及一种交易量的预测方法及装置。
技术介绍
为了提供更好的应对业务需求，交易平台通常需要在某一天开始之前，对当天的总交易量进行预测。传统技术中，通常是通过时间序列模型对当天之前的历史交易数据进行学习，来预测当天的总交易量。因此，需要提供一种更准确的交易量的预测方法。
技术实现思路
本说明书一个或多个实施例描述了一种交易量的预测方法及装置，可以提高预测的交易量的准确性。第一方面，提供了一种交易量的预测方法，包括：获取当天过去时刻的第一交易数据以及与当天的交易相关的第一舆情数据；对所述第一交易数据、所述第一舆情数据以及预设的影响数据进行预处理，得到预处理后的数据；所述预设的影响数据是指预先估计的会对交易量产生影响的数据；将所述预处理后的数据输入预测模型，以预测当天的总交易量；所述预测模型是根据经典时序预测算法或者机器学习算法、当天之前的第二交易数据、第二舆情数据以及所述预设的影响数据获得的；所述预测模型用于根据历史数据来预测未来发展变化趋势。第二方面，提供了一种交易量的预测装置，包括：获取单元，用于获取当天过去时刻的第一交易数据以及与当天的交易相关的第一舆情数据；预处理单元，用于对所述获取单元获取的所述第一交易数据、所述第一舆情数据以及预设的影响数据进行预处理，得到预处理后的数据；所述预设的影响数据是指预先估计的会对交易量产生影响的数据；预测单元，用于将所述预处理单元预处理后的数据输入预测模型，以预测当天的总交易量；所述预测模型是根据经典时序预测算法或者机器学习算法、当天之前的第二交易数据、第二舆情数据以及所述预设的影响数据获得的；所述预测模型用于根据历史数据来预测未来发展变化趋势。本说明书一个或多个实施例提供的交易量的预测方法及装置，获取当天过去时刻的交易数据以及与当天的交易相关的舆情数据。对交易数据、舆情数据以及预设的影响数据进行预处理，得到预处理后的数据。将预处理后的数据输入根据历史数据得到的预测模型，以预测当天的总交易量。由此可以看出，本说明书在预测当天的总交易量时，综合考虑了当天数据以及历史数据，从而可以提高预测的交易量的准确性。附图说明为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1为本说明书提供的预测系统的示意图；图2为本说明书一个实施例提供的交易量的预测方法流程图；图3为本说明书一个实施例提供的交易量的预测装置示意图。具体实施方式下面结合附图，对本说明书提供的方案进行描述。本说明书一个实施例提供的交易量的预测方法可以应用于如图1所示的预测系统中，图1中，预测系统可以包括：爬虫模块101、实时数据同步模块102、业务数据同步模块103、数据预处理模块104以及预测模块105。爬虫模块101用于高频率地(如，每隔一分钟)从网页上爬取与交易相关的舆情数据。该舆情数据可以包括：商户的实时活动信息(如，促销活动等)、汇率波动信息以及极端天气信息(如，极寒天气或者极热天气等)等。需要说明的是，因为在商户搞促销活动的时候，通常会大大增加用户的交易次数，从而会影响一天的交易量，所以本说明书在预测当天的总交易量时，将商户的实时活动信息作为交易量(也称交易金额)的一个影响特征。此外，由于汇率波动情况以及极端天气均会影响一天的交易量，所以将该两者也作为交易量的影响特征。通过爬虫模块101，可以提前获知商户活动信息。实时数据同步模块102用于高频地(如，每隔一分钟)获取从当天开始时刻(如，零点)起所发生的每笔交易的交易数据。其中，一笔交易的交易数据可以包括：交易时间、交易金额、商户信息以及用户信息等等。业务数据同步模块103用于同步数据库中记录的、可以对交易量产生影响的非交易数据(以下称为影响数据)。上述影响数据可以包括：1)商户的画像数据：商户的国别信息、商户的类型(如，实体商户或者虚拟商户等)、商户的经营范围以及商户所在地的市场信息(如，节假日信息)等。2)交易笔数。3)用户的画像数据(如，学生、教师以及民工等)等。需要说明的是，上述影响数据可以是人为预先收集的。数据预处理模块104用于对上述舆情数据(爬虫模块101获取)、交易数据(实时数据同步模块102获取)以及影响数据(业务数据同步模块103获取)进行数据层融合。此处的数据层融合可以理解为将上述数据从低维抽象到高维。如，将上述数据中商户维度、用户维度以及资金维度的数据转化为交易量纬度表征。数据预处理模块104还用于将融合后的数据进行数据格式转化，如转化为符合预测模型入参标准的数据格式，该转化过程可以包括数据归一化等。预测模块105，用于根据预处理后的数据，预测某一天的交易量。该预测模块105可以包括预测模型。该预测模型可以是根据经典时序预测算法(或者机器学习算法等)和历史数据获得的。其中，经典时序预测算法是一种用于利用过去及现在的数据来预测未来发生变化趋势的算法。其例如可以为holt-winters算法(一种数据平滑算法)、自回归积分滑动平均(AutoregressiveIntegratedMovingAverage,ARIMA)算法以及长短期记忆网络(LongShort-TermMemory，LSTM)算法等。而历史数据可以包括当天之前的交易数据(也称历史交易数据)、当天之前的交舆情数据(也称历史舆情数据)以及上述影响数据等。需要说明的是，上述预测模型可以为单独的一个模型，也可以包括多个子模型。当包括多个子模型时，可以结合舆情数据，来选择相应的子模型。以舆情数据为商户的实时活动信息，预测模型包括两个子模型：第一子模型和第二子模型为例来说。假设第一子模型可以是根据经典时序预测算法(或者机器学习算法等)和包含商户的实时活动信息的样本获得的；第二子模型可以是根据经典时序预测算法(或者机器学习算法等)和不包含商户的实时活动信息的样本获得的。那么在预测某一天的交易量时，若当天有商户活动，则可以通过第一子模型来预测当天的总交易量。若当天没有商户活动，则可以通过第二子模型来预测当天的总交易量。当然，在实际应用中，也可以同时通过两个子模型来预测当天的总交易量。如，分别为两个子模型设置不同的权重值，之后，根据各个子模型的输出值以及对应的权重值，来预测当天的总交易量。由此可以看出，上述预测系统在预测当天的总交易量时，综合考虑了当天交易数据、与当天的交易相关的舆情数据以及预先估计的可能会对交易量产生影响的数据，从而可以提高预测的交易量的准确性。可选地，图1的预测系统还可以包括商家交易实时监控模块106，用于高频地对当天交易数据进行监控，以确定是否有对应的商户活动。在一种实现方式中，上述监控过程可以为：高频地根据当天交易数据，统计如下数据：实际交易量、实际交易笔数以及实际交易客单价等。同理，根据历史交易数据，统计如下数据：历史同期交易量、历史交易笔数以及历史客单价等。然后可以分别将实际交易量与历史同期交易量、实际交易笔数与历史交易笔数、实际交易客单价与历史客单价进行比对。当任意两者差异较大(如，大于预设阈本文档来自技高网...

【技术保护点】
1.一种交易量的预测方法，其特征在于，包括：获取当天过去时刻的第一交易数据以及与当天的交易相关的第一舆情数据；对所述第一交易数据、所述第一舆情数据以及预设的影响数据进行预处理，得到预处理后的数据；所述预设的影响数据是指预先估计的会对交易量产生影响的数据；将所述预处理后的数据输入预测模型，以预测当天的总交易量；所述预测模型是根据经典时序预测算法或者机器学习算法、当天之前的第二交易数据、第二舆情数据以及所述预设的影响数据获得的；所述预测模型用于根据历史数据来预测未来发展变化趋势。

【技术特征摘要】
1.一种交易量的预测方法，其特征在于，包括：获取当天过去时刻的第一交易数据以及与当天的交易相关的第一舆情数据；对所述第一交易数据、所述第一舆情数据以及预设的影响数据进行预处理，得到预处理后的数据；所述预设的影响数据是指预先估计的会对交易量产生影响的数据；将所述预处理后的数据输入预测模型，以预测当天的总交易量；所述预测模型是根据经典时序预测算法或者机器学习算法、当天之前的第二交易数据、第二舆情数据以及所述预设的影响数据获得的；所述预测模型用于根据历史数据来预测未来发展变化趋势。2.根据权利要求1所述的方法，其特征在于，还包括：周期性根据所述第二交易数据，获取所述第一交易数据的历史同期交易数据；将所述第一交易数据与历史同期交易数据进行比较；当所述第一交易数据与历史同期交易数据的差异较大时，发出相应的商户活动报警信息。3.根据权利要求1所述的方法，其特征在于，在得到当天的总交易量之后，还包括：对当天的总交易量进行异常检测；当检测到当天的总交易量存在异常时，对当天的总交易量进行调节。4.根据权利要求3所述的方法，其特征在于，所述对当天的总交易量进行异常检测，包括：根据所述第二交易数据，统计当天的总交易量的历史同期交易量；将历史同期交易量与当天的总交易量进行比较；当历史同期交易量与当天的总交易量的相差倍数大于阈值且没有相应的商户活动报警信息时，确定当天的总交易量存在异常；所述对当天的总交易量进行调节，包括：根据所述相差倍数，确定相应的调节系数；根据所述调节系数，调节当天的总交易量。5.根据权利要求1所述的方法，其特征在于，在所述得到当天的总交易量之后，还包括：根据所述第一交易数据，确定当前交易趋势；根据所述当前交易趋势，调节当天的总交易量；和/或，根据所述第二交易数据，确定历史交易趋势；根据所述历史交易趋势，调节当天的总交易量；和/或，获取外部交易策略；根据所述外部交易策略，调节当天的总交易量。6.根据权利要求1-5任一项所述的方法，其特征在于，所述预测模型包括多个子模型，所述子模型与所述第一舆情数据相对应；所述将所述预处理后的数据输入预测模型，以预测当天的总交易量，包括：根据预处理后的第一舆情数据，选择对应的子模型；将所述预处理后的数据输入选择的子模型，得到当天的总交易量；或者，将所述预处理后的数据分别输入到所述多个子模型中，得到多个预测交易量；将所述多个预测交易量进行融合，得到当天的总交易量。7.一种交易量的预测装置，其特征在于，包括：获取单元，用于获取当天过去时刻的第一交易数据以及与当天的交易相关的第一舆情数...

【专利技术属性】
技术研发人员：黄馨誉，吴蔚川，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY