【技术实现步骤摘要】
本专利技术涉及互联网应用
,特别涉及一种资源的请求量预测方法、应用推荐方法和装置。
技术介绍
随着互联网应用的发展,互联网络中可提供各种资源,用户将通过终端的请求来获取到该资源,例如,该资源可以是各种第三方应用和电影等媒体播放资源。互联网络大都是通过搭建各种平台的方式来进行相应资源的发布,用户通过终端访问此平台并对所需要的资源进行请求即可以得到该资源,例如,通过请求发起应用资源的下载。对于任意一种资源而言,将实时记录相应的请求量,以此来衡量此资源的热度,然而,关于此资源潜在请求量的预测问题仍然是一空白,并无法对资源的请求量进行准确预测。
技术实现思路
基于此,有必要提供一种资源的请求量预测方法,所述方法能够对资源的请求量进行准确预测。此外,还有必要提供一种应用资源推荐方法,所述方法能够对资源的请求量进行准确预测。另外,还有必要提供一种资源的请求量预测装置和应用资源推荐装置,所述装置能够对资源的请求量进行准确预测。为解决上述技术问题,将采用如下技术方案:一种资源的请求量预测方法,包括:获取资源所对应的历史请求量时间序列,在所述历史请求量时间序列中提取设定时间长度的最近历史请求量;根据所述最近历史请求量进行参数估计得到状态变量和模型参数,由所述状态变量和模型参数构建状态空间模型;通过构建的所述状态空间模型预测所述资源的未来请求量。一种应用资源推荐方法, ...
【技术保护点】
一种资源的请求量预测方法,其特征在于,包括:获取资源所对应的历史请求量时间序列,在所述历史请求量时间序列中提取设定时间长度的最近历史请求量;根据所述最近历史请求量进行参数估计得到状态变量和模型参数,由所述状态变量和模型参数构建状态空间模型;通过构建的所述状态空间模型预测所述资源的未来请求量。
【技术特征摘要】
1.一种资源的请求量预测方法,其特征在于,包括:
获取资源所对应的历史请求量时间序列,在所述历史请求量时间序列中提取设定时间
长度的最近历史请求量;
根据所述最近历史请求量进行参数估计得到状态变量和模型参数,由所述状态变量和
模型参数构建状态空间模型;
通过构建的所述状态空间模型预测所述资源的未来请求量。
2.根据权利要求1所述的方法,其特征在于,所述根据所述时间序列进行参数估计处到
状态变量和模型参数,由所述状态变量和模型参数构建状态空间模型的步骤之前,所述方
法还包括:
对所述历史请求量时间序列进行类型识别,所述类型为平稳型或非平稳型。
3.根据权利要求2所述的方法,其特征在于,所述对所述历史请求量时间序列进行类型
识别的步骤包括:
运算所述历史请求量时间序列的波动率;
根据所述波动率和设定的阈值得到所述历史请求量时间序列的类型为平稳型或非平
稳型的类型识别结果。
4.根据权利要求2所述的方法,其特征在于,所述类型为非平稳型,所述对所述历史请
求量时间序列进行类型识别的步骤之后,所述方法还包括:
在搜索数据和/或社交数据中为所述状态空间模型的构建挖掘相关的解释变量时间序
列;
通过所述解释变量时间序列和所述最近历史请求量之间的相关性运算,在挖掘的所述
解释变量时间序列中选取引入所述状态空间模型的解释变量时间序列。
5.根据权利要求4所述的方法,其特征在于,所述在搜索数据和/社交数据中为所述状
态空间模型的构建挖掘相关的解释变量时间序列的步骤包括:
在所述搜索数据和/或社交数据中匹配得到与所述资源相关的关键词;
根据设定时间长度获取所述关键词相关的热度时间序列作为构建所述状态空间模型
相关的解释变量时间序列。
6.根据权利要求4所述的方法,其特征在于,所述通过所述解释变量时间序列和所述最
近历史请求量之间的相关性运算,在挖掘的所述解释变量时间序列中选取引入所述状态空
间模型的解释变量时间序列的步骤包括:
进行所述解释变量时间序列和所述最近历史请求量之间的相关性运算,得到所述解释
变量时间序列对应的相关系数和显著性检验值;
根据所述相关系数和显著性检验值在挖掘的所述解释变量时间序列中选取引入状态
空间模型的解释变量时间序列。
7.根据权利要求4所述的方法,其特征在于,所述根据所述最近历史请求量进行参数估
计得到状态变量和模型参数,由所述状态变量和模型参数构建状态空间模型的步骤包括:
根据所述最近历史请求量和引入所述状态空间模型的解释变量时间序列进行递归运
算求解得到状态变量和模型参数;
使用所述状态变量和模型参数进行所述状态空间模型的建模。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述资源的未来请求量进行所述资源的推荐。
9.一种应用资源推荐方法,其特征在于,包括:
获取应用获取平台中各应用资源所分别对应的历史下载量时间序列,在所述历史下载
量时间序列中提取设定时间长度的最近历史下载量;
根据所述最近历史下载量进行参数估计得到状态变量和模型参数,由所述状态变量和
模型参数构建状态空间模型;
通过构建的所述状态空间模型预测所述应用资源的未来下载量;
按照所述应用资...
【专利技术属性】
技术研发人员:胡海峰,付强,练振杰,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。