用于预测网络搜索量的方法和装置制造方法及图纸

本发明专利技术提供了一种用于预测网络搜索量的方法和装置，其中的方法主要包括：获取预测对象的特征信息；根据所述特征信息的量化处理获得预定对象的特征信息的量化值；将所述预测对象的特征信息的量化值作为输入信息提供给网络搜索量预测模型，并将所述网络搜索量预测模型的输出信息作为所述预测对象在预定时间段内的网络搜索量预测结果；其中，所述网络搜索量预测模型是利用多个样本数据训练获得的，且所述样本数据包括：样本对象在预定时间段内的历史搜索量以及样本对象的特征信息的量化值。本发明专利技术提供的技术方案满足了需求方的网络搜索量的预测需求，使需求方可以根据预测出的网络搜索量提早采取相应的应对策略。

【技术实现步骤摘要】

本专利技术涉及网络技术，尤其是涉及一种用于预测网络搜索量的方法以及用于预测网络搜索量的装置。
技术介绍
随着网络技术尤其是无线网络技术的快速发展，利用网络在线观看或者收听或者下载多媒体节目已经成为人们的一种娱乐方式，这里的多媒体节目可以包括:电影、综艺节目以及音乐专辑等。专利技术人在实现本专利技术过程中发现，对于多媒体节目的制作方或者发行方或者销售方或者基于网络的内容提供方等方面而言，针对多媒体节目的网络搜索量是非常重要的，这可以帮助多媒体节目的制作方或者发行方或者销售方或者基于网络的内容提供方等需求方提前采取相应的应对策略；然而，目前并不存在针对多媒体节目进行网络搜索量预测的技术方案，从而使需求方的网络搜索量预测需求得不到满足。
技术实现思路
本专利技术的目的是提供一种用于预测网络搜索量的方法和装置。根据本专利技术的其中一个方面，提供一种用于预测网络搜索量的方法，且所述方法包括以下步骤:获取预测对象的特征信息；根据所述特征信息的量化处理获得预定对象的特征信息的量化值；将所述预测对象的特征信息的量化值作为输入信息提供给网络搜索量预测模型，并将所述网络搜索量预测模型的输出信息作为所述预测对象在预定时间段内的网络搜索量预测结果；其中，所述网络搜索量预测模型是利用多个样本数据训练获得的，且所述样本数据包括:样本对象在预定时间段内的历史搜索量以及样本对象的特征信息的量化值。根据本专利技术的另一个方面，还提供一种用于预测网络搜索量的装置，所述装置主要包括:获取模块，适于获取预测对象的特征信息；量化模块，适于根据所述特征信息的量化处理获得预定对象的特征信息的量化值；预测模块，适于将所述预测对象的特征信息的量化值作为输入信息提供给网络搜索量预测模型，并将所述网络搜索量预测模型的输出信息作为所述预测对象在预定时间段内的网络搜索量预测结果；其中，所述网络搜索量预测模型是训练模块利用多个样本数据训练获得的，且所述样本数据包括:样本对象在预定时间段内的历史搜索量以及样本对象的特征信息的量化值。与现有技术相比，本专利技术具有以下优点:本专利技术通过对样本对象的历史搜索量进行统计，并利用历史搜索量和量化后的特征信息进行训练，使网络搜索量预测模型建立在网络基础数据的基础之上；这样，在利用网络搜索量预测模型对预测对象进行网络搜索量预测时，可以使预测结果与数据挖掘相结合，使预测结果更具有可信度；由此可知，本专利技术提供的技术方案在充分利用了网络基础数据的基础上，满足了需求方的网络搜索量的预测需求，使需求方可以根据预测出的网络搜索量提早采取相应的应对策略。【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，本专利技术的其它特征、目的和优点将会变得更明显:图1为本专利技术实施例一的用于预测网络搜索量的方法流程图；图2为本专利技术实施例二的用于预测网络搜索量的装置示意图。 附图中相同或相似的附图标记代表相同或相似的部件。【具体实施方式】在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或者方法。虽然流程图将各项操作描述成顺序的处理，但是，其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的执行顺序可以被重新安排。当其操作执行完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。在上下文中所称“计算机设备”，也称为“电脑”，是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备，其可以包括处理器以及存储器，由处理器执行在存储器中预存的存续指令来执行预定处理过程，或是由ASIC、FPGA、DSP等硬件执行预定处理过程，或是由上述二者组合来实现。计算机设备包括但不限于服务器、个人电脑、笔记本电脑、平板电脑、智能手机等。所述计算机设备包括用户设备与网络设备。其中，所述用户设备包括但不限于电脑、智能手机、PDA等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中，所述计算机设备可单独运行来实现本专利技术，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本专利技术。其中，所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。需要说明的是，所述用户设备、网络设备和网络等仅为举例，其他现有的或今后可能出现的计算机设备或网络如可适用于本专利技术，也应包含在本专利技术保护范围以内，并以引用方式包含于此。下述文中所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时，用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本专利技术的示例性实施例的目的。但是，本专利技术可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。应当理解的是，当一个单元被称为“连接”或者“耦合”到另一个单元时，其可以直接连接或者耦合到所述另一单元，或者可以存在中间单元。与此相对，当一个单元被称为“直接连接”或“直接耦合”到另一单元时，则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于...之间”相比于“直接处于...之间”，“与...邻近”相比于“与...直接邻近”等等)。这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。还应当提到的是，在一些替换实现方式中，所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说，取决于所涉及的功能/动作，相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。下面结合附图对本专利技术作进一步详细描述。实施例一、用于预测网络搜索量的方法。图1为本实施例的用于预测网络搜索量的方法的流程图，且图1所示的方法主要包括步骤S100、步骤SllO以及步骤S120。本实施例所记载的方法可以在计算机设备中执行。下面对图1中的各步骤分别进行说明。S100、获取预测对象的特征信息。具体的，本实施例可以通过接收外部输入信息的方式获取预测对象的特征信息。本实施例中的预测对象为网络中提供的本文档来自技高网...

【技术保护点】
一种用于预测网络搜索量的方法，其中，该方法包括以下步骤：获取预测对象的特征信息；根据所述特征信息的量化处理获得预定对象的特征信息的量化值；将所述预测对象的特征信息的量化值作为输入信息提供给网络搜索量预测模型，并将所述网络搜索量预测模型的输出信息作为所述预测对象在预定时间段内的网络搜索量预测结果；其中，所述网络搜索量预测模型是利用多个样本数据训练获得的，且所述样本数据包括：样本对象在预定时间段内的历史搜索量以及样本对象的特征信息的量化值。

【技术特征摘要】

【专利技术属性】
技术研发人员：吴桐，沈磊，张弦，陈雨，于潇潇，王晶，侯丽斌，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京;11