一种营收预测、模型训练方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种营收预测、模型训练方法、装置、设备及存储介质，其中，该营收预测方法包括：获取目标品类下的主播在各单位时间内收到的虚拟礼物信息，基于所述虚拟礼物信息确定目标品类的营收数据时间序列；将所述营收数据时间序列输入到预训练的循环神经网络模型中，得到所述目标品类的营收预测数据时间序列，可以提高预测准确度，可以降低预测的实现难度，当对各品类的营收数据进行预测时，迁移性较强。

A Method, Device, Equipment and Storage Media for Revenue Forecasting and Model Training

【技术实现步骤摘要】
一种营收预测、模型训练方法、装置、设备及存储介质
本专利技术实施例涉及预测
，尤其涉及一种营收预测、模型训练方法、装置、设备及存储介质。
技术介绍
一般情况下，品类指的是对象的类别或者种类，例如，在游戏
中，品类为游戏的名称，比如英雄联盟、王者荣耀等都是品类。直播平台上具有各种品类，用户可以给各个品类下的主播赠送虚拟礼物，从而使各个品类存在营收。其中，各个品类的营收取决于多方面的因素，例如，可以是品类自身内容、主播等因素。为了实现直播平台的发展，需要对各个品类营收进行预测，从而制定相关策略促进直播平台的良性发展。对各个品类营收的预测需要考虑多方面的因素，例如，时间、季节、高品质主播数量、品类内容等因素，由于考虑的因素较多，相关技术中，在对营收进行预测时往往不能考虑到全部的因素，导致预测结果并不准确；另外，相关技术中，对各个品类营收的预测虽然考虑了较多的因素，但是预测方法实现难度较大，从而导致对各品类的营收进行预测时，迁移性较差。
技术实现思路
本专利技术实施例提供了一种营收预测方法、装置、设备及存储介质，可以提高预测准确度，可以降低预测的实现难度，当对各品类的营收数据进行预测本文档来自技高网...

【技术保护点】
1.一种营收预测方法，其特征在于，包括：获取目标品类下的主播在各单位时间内收到的虚拟礼物信息，基于所述虚拟礼物信息确定目标品类的营收数据时间序列；将所述营收数据时间序列输入到预训练的循环神经网络模型中，得到所述目标品类的营收预测数据时间序列。

【技术特征摘要】
1.一种营收预测方法，其特征在于，包括：获取目标品类下的主播在各单位时间内收到的虚拟礼物信息，基于所述虚拟礼物信息确定目标品类的营收数据时间序列；将所述营收数据时间序列输入到预训练的循环神经网络模型中，得到所述目标品类的营收预测数据时间序列。2.根据权利要求1所述的方法，其特征在于，所述营收数据时间序列的序列长度大于1，相应的，营收预测数据时间序列的序列长度为1；所述营收数据时间序列的序列长度与所述营收预测数据时间序列的序列长度相同。3.根据权利要求1所述的方法，其特征在于，所述循环神经网络模型包括输入层、隐藏层和输出层，所述隐藏层包括至少一个长短期记忆lstm层和至少一个dropout层。4.根据权利要求1所述的方法，其特征在于，还包括：对所述营收数据时间序列进行插值处理；对所述营收数据时间序列中的离群值进行平滑处理。5.根据权利要求1所述的方法，其特征在于，所述营收数据时间序列中大于0的数据超过预设数量。6.根据权利要求1所述的方法，其特征在于，还包括：根据所述营收预测数据时间序列中的拐点数据以及所述拐点数据对应的时间生成活动信息。7.根据权利要求1所述的方法，其特征在于，还包括：对所述预训练的循环神经网络模型进行初始化；基于非目标品类下的主播在各历史单位时间内收到的虚拟礼物信息，确定非目标品类的营收数据样本时间序列；采用所述非目标品类的营收数据样本时间序列对所述循环神经网络模型进行重新训练，更新所述预训练的循环神经网络模型；将非目标品类的营收数据时间序列输入到更新的循环神经网络模型中，得到所述非目标品类的营收预测数据时间序列。8.一种循环神经网络模型训练方法，其特征在于，包括：获取目标品类下主播在各历史单位时间内收到的虚拟礼物信息，基于所述虚拟礼物信息确定训练集中目标品类的营收数据样本时间序列；将目标品类的营收数据样本时间序列按照设定序列长度进行等分；其中，划分的每份营收数据样本时间序列中的数据数量为N；针对划分的每份营收数据样本时间序列，将前N-1个数据输入到循环神经网络模型中，得到第N个数据的预测值；将划分的每份营收数据样本时间序列中第N个数据的真实值与所述预测值输入到损失函数中，得到损失值，并基于所述损失值调整所述循环神经网络模型的网络参数。9.一种循环神经网络模型训练方法，其特征在于，包括：获取目标品类下主播在各历史单位时间内收到的虚拟礼物信息，...

【专利技术属性】
技术研发人员：佟鑫，仇贲，
申请(专利权)人：广州虎牙信息科技有限公司，
类型：发明
国别省市：广东,44