预测方法及其模型的训练方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种预测方法及其模型的训练方法、装置、设备及存储介质，其中，预测方法包括：获取目标时间节点关于所述目标事件的特征数据；获取所述目标时间节点与至少一个参考时间节点之间的特征相关度；基于所述特征相关度、所述目标时间节点关于所述目标事件的特征数据和所述参考时间节点关于所述目标事件的特征数据，得到所述目标时间节点关于所述目标事件的预测结果。上述方案，能够准确地对目标事件进行预测。事件进行预测。事件进行预测。

【技术实现步骤摘要】
预测方法及其模型的训练方法、装置、设备及存储介质


[0001]本申请涉及人工智能
，特别是涉及一种预测方法及其模型的训练方法、装置、设备及存储介质。

技术介绍

[0002]近年来，随着神经网络、深度学习等人工智能技术的发展，人工智能技术相较于传统人工具有高效、稳定等优异性能，开始广泛应用于诸如医疗、安防、家电、物流等行业。
[0003]在社会生活中，往往存在着各种目标事件需要对其进行预测。以流行病为例，流行病预测是一项重要的课题，例如在北半球温带地区，每年冬天爆发的流感都会给人类社会带来了沉重的健康负担和经济负担，由于流感病毒的变异，造成每年的疫苗都会产生变化，从而导致了疫苗生产厂商必须在很短的时间内生产出足够的疫苗，来应对每年的流感爆发。此外，由于流感治疗的特殊性、流感病床的动态分配也是一个艰难的课题。有鉴于此，如何准确地对目标事件进行预测成为亟待解决的问题。

技术实现思路

[0004]本申请提供一种预测方法及其模型的训练方法、装置、设备及存储介质。
[0005]本申请第一方面提供了一种预测方法，所述方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测方法，其特征在于，所述方法包括：获取目标时间节点关于所述目标事件的特征数据；获取所述目标时间节点与至少一个参考时间节点之间的特征相关度；基于所述特征相关度、所述目标时间节点关于所述目标事件的特征数据和所述参考时间节点关于所述目标事件的特征数据，得到所述目标时间节点关于所述目标事件的预测结果。2.根据权利要求1所述的方法，其特征在于，所述获取所述目标时间节点与至少一个参考时间节点之间的特征相关度，包括：基于所述目标时间节点和每个参考时间节点之间的所述特征数据的相似度，确定所述目标时间节点与每个参考时间节点之间的特征相关度。3.根据权利要求1或2所述的方法，其特征在于，所述基于所述特征相关度、所述目标时间节点关于所述目标事件的特征数据和所述参考时间节点关于所述目标事件的特征数据，得到所述目标时间节点关于所述目标事件的预测结果，包括：利用所述特征相关度，得到每个参考时间节点的权重；基于所述权重对所述目标时间节点的所述特征数据和所述参考时间节点的所述特征数据进行融合，得到融合特征数据；基于所述融合特征数据，得到所述目标时间节点关于所述目标事件的预测结果。4.根据权利要求3所述的方法，其特征在于，在所述获取所述目标时间节点与所述参考时间节点之间的特征相关度之后，所述方法还包括：利用预测模型基于所述特征相关度构建所述目标时间节点与参考时间节点之间的邻接矩阵，其中，所述邻接矩阵中所述目标时间节点与所述参考时间节点之间的相邻关系是基于所述特征相关度确定的；所述利用所述特征相关度，得到每个参考时间节点的权重，包括：利用所述预测模型的图神经网络对所述邻接矩阵进行分析，得到每个参考时间节点的权重。5.根据权利要求1至4任一项所述的方法，其特征在于，在所述基于所述特征相关度、所述目标时间节点关于所述目标事件的特征数据和所述参考时间节点关于所述目标事件的特征数据，得到所述目标时间节点关于所述目标事件的预测结果之后，所述方法还包括：利用所述预测模型基于所述目标时间节点的特征数据对所述预测结果进行优化。6.根据权利要求5所述的方法，其特征在于，所述基于所述目标时间节点的特征数据对所述预测结果进行优化是由所述预测模型的残差网络执行的；和/或，在所述基于所述目标时间节点的特征数据对所述预测结果进行优化之前，所述方法还包括：将所述目标时间节点的特征数据转换至第二预设维度，以用于后续对所述预测结果进行优化。7.根据权利要求1至6任一项所述的方法，其特征在于，在所述获取所述目标时间节点与所述参考时间节点之间的特征相关度之前，所述方法包括：利用预测模型分别将所述目标时间节点的所述特征数据和参考时间节点的所述特征数据转换至第一预设维度，其中，所述预设维度高于所述特征数据的原始维度。
8.根据权利要求1至7任一项所述的方法，其特征在于，所述获取目标时间节点关于所述目标事件的特征数据，包括：对目标时间...

【专利技术属性】
技术研发人员：周朋飞，张捷，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：