租用量预测方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种租用量预测方法、装置、设备及存储介质，属于计算机技术领域。该方法包括：获取目标场所的关联信息，关联信息包括目标场所在第一时间段的事件信息和目标场所在第二时间段的租用量，第二时间段为当前时刻之前的时间段，第一时间段为第二时间段的下一时间段，事件信息至少指示第一时间段内发生的事件；获取历史事件特征和历史租用量之间的对应关系；根据事件信息对应的事件特征和对应关系，确定事件特征对应的租用量；根据目标场所在第二时间段的租用量以及事件特征对应的租用量进行预测，得到目标场所在第一时间段的租用量，通过引入历史中事件发生时租用量情况，来指导相同事件发生时租用量的预测，提高了预测结果的准确性。测结果的准确性。测结果的准确性。

【技术实现步骤摘要】
租用量预测方法、装置、设备及存储介质


[0001]本申请涉及计算机
，特别涉及一种租用量预测方法、装置、设备及存储介质。

技术介绍

[0002]人们租用场所中的一些区域变得越来越普遍，例如，人们租用酒店的房间、租用停车场的停车位等。而对于场所的提供者来说，场所的租用量并不是固定的，可能受到季节、节假日等多方面的影响。
[0003]目前，场所的提供者会凭经验预估该场所在未来一段时间内的租用量，从而进行相关物品的采购或者对出租费用进行调整等。但是，仅凭主观经验并不能较为准确地预估场所在未来一段时间内的租用量，因此，如何提高预测场所租用量的准确性成为当前亟需解决的问题。

技术实现思路

[0004]本申请实施例提供了一种租用量预测方法、装置、设备及存储介质，提高了预测目标场所的租用量的准确性。该技术方案如下：
[0005]一方面，提供了一种租用量预测方法，该方法包括：
[0006]获取目标场所的关联信息，所述关联信息包括所述目标场所在第一时间段的事件信息和所述目标场所在第二时间段的租用量，所述第二时间段为所述当前时刻之前的时间段，所述第一时间段为所述第二时间段的下一时间段，所述事件信息至少指示所述第一时间段内发生的事件；
[0007]获取历史事件特征和历史租用量之间的对应关系，所述历史事件特征指示任意场所在任意历史时间段的事件信息，所述历史事件特征对应的历史租用量指示所述任意场所在所述任意历史时间段的租用量；
[0008]根据所述事件信息对应的事件特征和所述对应关系，确定所述事件特征对应的租用量；
[0009]根据所述目标场所在第二时间段的租用量以及所述事件特征对应的租用量进行预测，得到所述目标场所在所述第一时间段的租用量。
[0010]一方面，提供了一种租用量预测装置，所述装置包括：
[0011]信息获取模块，用于获取目标场所的关联信息，所述关联信息包括所述目标场所在第一时间段的事件信息和所述目标场所在第二时间段的租用量，所述第二时间段为所述当前时刻之前的时间段，所述第一时间段为所述第二时间段的下一时间段，所述事件信息至少指示所述第一时间段内发生的事件；
[0012]关系获取模块，用于获取历史事件特征和历史租用量之间的对应关系，所述历史事件特征指示任意场所在任意历史时间段的事件信息，所述历史事件特征对应的历史租用量指示所述任意场所在所述任意历史时间段的租用量；
[0013]确定模块，用于根据所述事件信息对应的事件特征和所述对应关系，确定所述事件特征对应的租用量；
[0014]预测模块，用于根据所述目标场所在第二时间段的租用量以及所述事件特征对应的租用量进行预测，得到所述目标场所在所述第一时间段的租用量。
[0015]在一种可能实现方式中，所述确定模块，包括：
[0016]处理单元，用于调用特征提取模型，对所述事件信息进行处理，得到所述事件信息对应的事件特征；
[0017]确定单元，用于根据所述对应关系，确定所述事件特征对应的租用量。
[0018]在一种可能实现方式中，所述事件信息包括多条事件数据，每条事件数据用于对所述第一时间段内发生的事件进行描述，所述特征提取模型包括特征提取层、至少一个特征交互层和特征融合层；
[0019]所述处理单元，用于调用所述特征提取层，对所述每条事件数据进行特征提取，得到所述每条事件数据对应的第一事件特征；
[0020]所述处理单元，用于调用所述至少一个特征交互层，对得到的多个第一事件特征进行特征交互，得到多个第二事件特征；
[0021]所述处理单元，用于调用所述特征融合层，对所述多个第二事件特征进行融合，得到所述事件信息对应的事件特征。
[0022]在一种可能实现方式中，所述第一时间段包括多个子时间段，所述多条事件数据包括属于每个子时间段的事件数据，所述多个第一事件特征包括属于所述每个子时间段的第一事件特征；
[0023]所述处理单元，用于调用所述至少一个特征交互层，分别对所述多个第一事件特征中属于同一子时间段的多个第一事件特征进行特征交互，得到属于所述每个子时间段的多个第二事件特征。
[0024]在一种可能实现方式中，所述装置还包括：
[0025]数据获取模块，用于获取所述关联信息中第一维度的数据，所述第一维度的数据是对所描述对象进行分类得到的类别数据；
[0026]处理模块，用于对所述第一维度的数据进行处理，得到所述关联信息对应的第一关联特征；
[0027]所述预测模块，用于根据所述目标场所在所述第二时间段的租用量、所述事件特征对应的租用量以及所述关联信息对应的第一关联特征进行预测，得到所述目标场所在所述第一时间段的租用量。
[0028]在一种可能实现方式中，所述第一维度的数据包括多条数据，所述处理模块，包括：
[0029]词嵌入单元，用于调用特征交互模型的词嵌入层，对所述第一维度的数据进行词嵌入处理，得到所述第一维度的每条数据对应的第二关联特征；
[0030]交互单元，用于调用所述特征交互模型的特征交互层，对所述每条数据对应的第二关联特征进行特征交互，得到多个第三关联特征，基于所述多个第三关联特征，确定所述关联信息对应的第一关联特征。
[0031]在一种可能实现方式中，所述装置还包括：
[0032]数据获取模块，用于获取所述关联信息中第二维度的数据，所述第二维度的数据是所描述对象的真实数据；
[0033]处理模块，用于对所述第二维度的数据进行处理，得到所述关联信息对应的第四关联特征；
[0034]所述预测模块，用于根据所述目标场所在所述第二时间段的租用量、所述事件特征对应的租用量以及所述关联信息对应的第四关联特征进行预测，得到所述目标场所在所述第一时间段的租用量。
[0035]在一种可能实现方式中，所述预测模块，用于调用预测模型，根据所述目标场所在所述第二时间段的租用量以及所述事件特征对应的租用量进行预测，得到所述目标场所在所述第一时间段的租用量。
[0036]在一种可能实现方式中，所述预测模型包括特征提取层和预测层，所述预测模块，包括：
[0037]特征提取单元，用于调用所述特征提取层，基于所述目标场所在所述第二时间段的租用量进行特征提取，得到所述目标场所的历史租用量特征；
[0038]预测单元，用于调用所述预测层，根据所述目标场所的历史租用量特征、所述事件特征对应的租用量、所述关联信息对应的第一关联特征以及所述关联信息对应的第四关联特征进行预测，得到所述目标场所在所述第一时间段的租用量。
[0039]在一种可能实现方式中，所述第一时间段包括多个子时间段，所述第一关联特征包括每个子时间段对应的第一关联特征，所述第四关联特征包括所述每个子时间段对应的第四关联特征；
[0040]所述预测单元，用于调用所述预测层，根据所述目标场所的历史租用量特征、所述事件特征对应的每个租用量、所述每个子时间段对应的第一关联特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种租用量预测方法，其特征在于，所述方法包括：获取目标场所的关联信息，所述关联信息包括所述目标场所在第一时间段的事件信息和所述目标场所在第二时间段的租用量，所述第二时间段为所述当前时刻之前的时间段，所述第一时间段为所述第二时间段的下一时间段，所述事件信息至少指示所述第一时间段内发生的事件；获取历史事件特征和历史租用量之间的对应关系，所述历史事件特征指示任意场所在任意历史时间段的事件信息，所述历史事件特征对应的历史租用量指示所述任意场所在所述任意历史时间段的租用量；根据所述事件信息对应的事件特征和所述对应关系，确定所述事件特征对应的租用量；根据所述目标场所在第二时间段的租用量以及所述事件特征对应的租用量进行预测，得到所述目标场所在所述第一时间段的租用量。2.根据权利要求1所述的方法，其特征在于，所述根据所述事件信息对应的事件特征和所述对应关系，确定所述事件特征对应的租用量，包括：调用特征提取模型，对所述事件信息进行处理，得到所述事件信息对应的事件特征；根据所述对应关系，确定所述事件特征对应的租用量。3.根据权利要求2所述的方法，其特征在于，所述事件信息包括多条事件数据，每条事件数据用于对所述第一时间段内发生的事件进行描述，所述特征提取模型包括特征提取层、至少一个特征交互层和特征融合层，所述调用特征提取模型，对所述事件信息进行处理，得到所述事件信息对应的事件特征，包括：调用所述特征提取层，对所述每条事件数据进行特征提取，得到所述每条事件数据对应的第一事件特征；调用所述至少一个特征交互层，对得到的多个第一事件特征进行特征交互，得到多个第二事件特征；调用所述特征融合层，对所述多个第二事件特征进行融合，得到所述事件信息对应的事件特征。4.根据权利要求3所述的方法，其特征在于，所述第一时间段包括多个子时间段，所述多条事件数据包括属于每个子时间段的事件数据，所述多个第一事件特征包括属于所述每个子时间段的第一事件特征，所述调用所述至少一个特征交互层，对得到的多个第一事件特征进行特征交互，得到多个第二事件特征，包括：调用所述至少一个特征交互层，分别对所述多个第一事件特征中属于同一子时间段的多个第一事件特征进行特征交互，得到属于所述每个子时间段的多个第二事件特征。5.根据权利要求1所述的方法，其特征在于，所述获取目标场所的关联信息之后，所述方法还包括：获取所述关联信息中第一维度的数据，所述第一维度的数据是对所描述对象进行分类得到的类别数据；对所述第一维度的数据进行处理，得到所述关联信息对应的第一关联特征；所述根据所述目标场所在第二时间段的租用量以及所述事件特征对应的租用量进行预测，得到所述目标场所在所述第一时间段的租用量，包括：
根据所述目标场所在所述第二时间段的租用量、所述事件特征对应的租用量以及所述关联信息对应的第一关联特征进行预测，得到所述目标场所在所述第一时间段的租用量。6.根据权利要求5所述的方法，其特征在于，所述第一维度的数据包括多条数据，所述对所述第一维度的数据进行处理，得到所述关联信息对应的第一关联特征，包括：调用特征交互模型的词嵌入层，对所述第一维度的数据进行词嵌入处理，得到所述第一维度的每条数据对应的第二关联特征；调用所述特征交互模型的特征交互层，对所述每条数据对应的第二关联特征进行特征交互，得到多个第三关联特征，基于所述多个第三关联特征，确定所述关联信息对应的第一关联特征。7.根据权利要求1所述的方法，其特征在于，所述获取目标场所的关联信息之后，所述方法还包括：获取所述关联信息中第二维度的数据，所述第二维度的数据是所描述对象的真实数据；对所述第二维度的数据进行处理，得到所述关联信息对应的第四关联特征；所述根据所述目标场所在第二时间段的租用量以及所述事件特征对应的租用量进行预测，得到所述目标场所在所述第一时间段的租用量，包括：根据所述目标场所在所述第二时间段的租用量、所述事件特征对应的租用量以及所述关联信息对应的第四关联特征进行预测，得到所述目标场所在所述第一时间段的租用量。8.根据权利要求1所述的方法，其特征在于，所述根据所述目标场所在第二时间段的租用量以及所述事件特征对应的租用量进行预测，得到所述目标场所在所述第一时间段的租用量，包括：调用预测模型，根据所述目标场所在所述第二时间段的租用量以及所述事件特征对应的租用量进行预测，得到所述目标场所在所...

【专利技术属性】
技术研发人员：张庆，罗恒亮，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：