用于预测流量的方法和装置制造方法及图纸

本申请实施例公开了用于预测流量的方法和装置，涉及云计算领域。该方法的一具体实施方式包括：获取目标网站在目标时间段包括的至少两个子时间段内的流量数据；基于预先建立的特征工程将所获取的流量数据转换为预先训练的流量预测模型的特征；将特征输入至预先训练的流量预测模型，生成目标网站在目标时间段的下一个时间段内的流量数据。该实施方式提供了一种基于流量预测模型的流量预测机制，提高了流量预测的效率。

Methods and devices for predicting flow

【技术实现步骤摘要】
用于预测流量的方法和装置
本申请实施例涉及计算机
，尤其涉及用于预测流量的方法和装置。
技术介绍
随着网络技术的迅速发展，网络上承载的业务和应用越来越丰富。在互联网提供的服务日益多样化和复杂化的同时，网络链路承载的压力也越来越大，因此，缓解网络链路承载的压力显得尤其重要。为了缓解网络链路承载的压力，企业需要及时了解网站的流量特征，提前对风险进行把控。
技术实现思路
本申请实施例提出了用于预测流量的方法和装置。第一方面，本申请的一些实施例提供了一种用于预测流量的方法，该方法包括：获取目标网站在目标时间段包括的至少两个子时间段内的流量数据；基于预先建立的特征工程将所获取的流量数据转换为预先训练的流量预测模型的特征；将特征输入至预先训练的流量预测模型，生成目标网站在目标时间段的下一个时间段内的流量数据。在一些实施例中，基于预先建立的特征工程将所获取的流量数据转换为预先训练的流量预测模型的特征，包括：将所获取的流量数据确定为第一向量中的元素，得到第一向量；对第一向量进行特征转换得到第二向量；对第二向量进行向量编码得到特征。在一些实施例中，对第一向量进行特征转换得到第二向量，包括：对第一向量中的元素进行排序得到排序后的序列；将第一向量中的元素替换为该元素在序列的位置，得到第二向量。在一些实施例中，对第二向量进行向量编码得到特征，包括：对第二向量进行独热编码得到特征。在一些实施例中，流量预测模型，包括：卷积层、全连接层、输出层。在一些实施例中，流量预测模型是经由以下步骤训练的：获取历史时间段包括的预设数目个子时间段内的历史流量数据；通过滑动窗口组合所获取的历史流量数据，得到样本集合，滑动窗口步长为1，长度为目标时间段包括的子时间段的数量；基于特征工程将样本集合中的样本转换为样本特征，并根据样本集合中的样本与后组合出的一个样本包括的最后一个历史流量数据的比较结果，确定样本特征对应的标签，标签表征历史流量数据的变化情况；利用机器学习方法，将样本特征作为输入，将所确定样本特征对应的标签作为输出，训练流量预测模型。第二方面，本申请的一些实施例提供了一种用于预测流量的装置，该装置包括：获取单元，被配置成获取目标网站在目标时间段包括的至少两个子时间段内的流量数据；转换单元，被配置成基于预先建立的特征工程将所获取的流量数据转换为预先训练的流量预测模型的特征；生成单元，被配置成将特征输入至预先训练的流量预测模型，生成目标网站在目标时间段的下一个时间段内的流量数据。在一些实施例中，转换单元，包括：确定子单元，被配置成将所获取的流量数据确定为第一向量中的元素，得到第一向量；转换子单元，被配置成对第一向量进行特征转换得到第二向量；转换子单元，被配置成对第二向量进行向量编码得到特征。在一些实施例中，转换子单元，进一步被配置成：对第一向量中的元素进行排序得到排序后的序列；将第一向量中的元素替换为该元素在序列的位置，得到第二向量。在一些实施例中，转换子单元，进一步被配置成：对第二向量进行独热编码得到特征。在一些实施例中，流量预测模型，包括：卷积层、全连接层、输出层。在一些实施例中，装置还包括训练单元，训练单元被配置成：获取历史时间段包括的预设数目个子时间段内的历史流量数据；通过滑动窗口组合所获取的历史流量数据，得到样本集合，滑动窗口步长为1，长度为目标时间段包括的子时间段的数量；基于特征工程将样本集合中的样本转换为样本特征，并根据样本集合中的样本与后组合出的一个样本包括的最后一个历史流量数据的比较结果，确定样本特征对应的标签，标签表征历史流量数据的变化情况；利用机器学习方法，将样本特征作为输入，将所确定样本特征对应的标签作为输出，训练流量预测模型。第三方面，本申请的一些实施例提供了一种设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面上述的方法。第四方面，本申请的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面上述的方法。本申请实施例提供的用于预测流量的方法和装置，通过获取目标网站在目标时间段包括的至少两个子时间段内的流量数据，而后基于预先建立的特征工程将所获取的流量数据转换为预先训练的流量预测模型的特征，最后将特征输入至预先训练的流量预测模型，生成目标网站在目标时间段的下一个时间段内的流量数据，提供了一种基于流量预测模型的流量预测机制，提高了流量预测的效率。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请的一些可以应用于其中的示例性系统架构图；图2是根据本申请的用于预测流量的方法的一个实施例的流程图；图3是根据本申请的用于预测流量的方法的应用场景的一个示意图；图4是根据本申请的用于预测流量的方法的又一个实施例的流程图；图5是根据本申请的用于预测流量的装置的一个实施例的结构示意图；图6是适于用来实现本申请的一些实施例的服务器或终端的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的用于预测流量的方法或用于预测流量的装置的实施例的示例性系统架构100。如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如浏览器类应用、手机助手类应用、电子商务类应用、搜索类应用等。终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上安装的应用或访问的网站提供支持的后台服务器，服务器105可以获取目标网站在目标时间段包括的至少两个子时间段内的流量数据；基于预先建立的特征工程将所获取的流量数据转换为预先训练的流量预测模型的特征；将特征输入至预先训练的流量预测模型，生成目标网站在目标时间段的下一个时间段内的流量数据。需要说明的是，本申请实施例所提供的用于预测流量的方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，用于预测流量的装置可以设置于服务器105中，也可以设本文档来自技高网...

【技术保护点】
1.一种用于预测流量的方法，包括：获取目标网站在目标时间段包括的至少两个子时间段内的流量数据；基于预先建立的特征工程将所获取的流量数据转换为预先训练的流量预测模型的特征；将所述特征输入至预先训练的流量预测模型，生成所述目标网站在所述目标时间段的下一个时间段内的流量数据。

【技术特征摘要】
1.一种用于预测流量的方法，包括：获取目标网站在目标时间段包括的至少两个子时间段内的流量数据；基于预先建立的特征工程将所获取的流量数据转换为预先训练的流量预测模型的特征；将所述特征输入至预先训练的流量预测模型，生成所述目标网站在所述目标时间段的下一个时间段内的流量数据。2.根据权利要求1所述的方法，其中，所述基于预先建立的特征工程将所获取的流量数据转换为预先训练的流量预测模型的特征，包括：将所获取的流量数据确定为第一向量中的元素，得到第一向量；对所述第一向量进行特征转换得到第二向量；对所述第二向量进行向量编码得到所述特征。3.根据权利要求2所述的方法，其中，所述对所述第一向量进行特征转换得到第二向量，包括：对所述第一向量中的元素进行排序得到排序后的序列；将所述第一向量中的元素替换为该元素在所述序列的位置，得到第二向量。4.根据权利要求2所述的方法，其中，所述对所述第二向量进行向量编码得到所述特征，包括：对所述第二向量进行独热编码得到所述特征。5.根据权利要求1所述的方法，其中，所述流量预测模型，包括：卷积层、全连接层、输出层。6.根据权利要求1-5中任一项所述的方法，其中，所述流量预测模型是经由以下步骤训练的：获取历史时间段包括的预设数目个子时间段内的历史流量数据；通过滑动窗口组合所获取的历史流量数据，得到样本集合，所述滑动窗口步长为1，长度为所述目标时间段包括的子时间段的数量；基于所述特征工程将所述样本集合中的样本转换为样本特征，并根据所述样本集合中的样本与后组合出的一个样本包括的最后一个历史流量数据的比较结果，确定样本特征对应的标签，所述标签表征历史流量数据的变化情况；利用机器学习方法，将所述样本特征作为输入，将所确定样本特征对应的标签作为输出，训练流量预测模型。7.一种用于预测流量的装置，包括：获取单元，被配置成获取目标网站在目标时间段包括的至少两个子时间段内的流量数据；转换单元，被配置成基于预先建立的特征工程将所获取的...

【专利技术属性】
技术研发人员：刘昊骋，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11