访问量预测方法、装置、设备及存储介质制造方法及图纸

本申请提供一种访问量预测方法、装置、设备及存储介质，该访问量预测方法包括：确定目标兴趣点的历史访问量数据中各访问量的置信度；提取历史访问量数据的周期性特征，周期性特征用于描述访问量在预设周期内的特征；基于周期性特征，构建自回归模型的输入变量，自回归模型中随机噪声序列的回归系数为关于所述置信度的函数；求解自回归模型的回归系数，得到目标兴趣点预测的访问量。实现了基于自回归模型，根据访问量的置信度和周期性特征进行未来访问量的预测，通过置信度的设置，有效提高了预测对意外事件发生情况下访问量预测的鲁棒性，通过周期性特征的引入提高了访问量预测的稳定性。的稳定性。的稳定性。

【技术实现步骤摘要】
访问量预测方法、装置、设备及存储介质


[0001]本申请涉及数据处理
，尤其涉及一种访问量预测方法、装置、设备及存储介质。

技术介绍

[0002]地图中包括多个景点、商铺等兴趣点(POI，Point of Interest)，为了提高兴趣点推荐的准确度、提高兴趣点的服务质量等，可以进行兴趣点访问量或流量的预测。
[0003]访问量为时间序列，在进行访问量预测时，通常采用深度学习模型进行预测，如LSTM(Long Short
‑
Term Memory，长短期记忆)模型、Transformer模型等。在意外事件(如景点维护、恶劣天气等)发生的情况下，导致数据量少且规律性较差，而深度学习模型对数据量和数据的规律性依赖度较高，从而基于深度学习的预测方法，不适用于意外事件发生情况下的访问量预测，预测鲁棒性和稳定性较差。
[0004]因此，亟需提供一种鲁棒性强、稳定性高的访问量预测方法。

技术实现思路

[0005]本申请提供一种访问量预测方法、装置、设备及存储介质，基于自回归模型，结合访问量的置信度和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种访问量预测方法，其特征在于，包括：确定目标兴趣点的历史访问量数据中各访问量的置信度；提取所述历史访问量数据的周期性特征，其中，所述周期性特征用于描述访问量在预设周期内的特征；基于所述周期性特征，构建自回归模型的输入变量，其中，所述输入变量包括待预测的访问量，所述自回归模型中随机噪声序列的回归系数为关于所述置信度的函数；求解所述自回归模型的回归系数，得到所述目标兴趣点预测的访问量。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于访问量的置信度以及访问量对应的时间，构建所述随机噪声序列的回归系数，其中，所述随机噪声序列的回归系数与所述置信度呈正相关关系，与所述访问量对应的时间与当前时间的差值的绝对值呈负相关关系。3.根据权利要求1所述的方法，其特征在于，确定目标兴趣点的历史访问量数据中各时间节点对应的访问量的置信度，包括：计算所述历史访问量数据中访问量的均值和方差；针对所述历史访问量数据中各访问量，基于所述访问量的均值和方差，确定所述访问量的置信度。4.根据权利要求1所述的方法，其特征在于，提取所述历史访问量数据的周期性特征，包括：按照所述预设周期，对所述历史访问量数据进行叠加，得到阶段访问量；对所述阶段访问量进行傅里叶变换；基于傅里叶变换的结果，得到所述周期性特征。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：提取所述历史访问量数据的近期特征，其中，所述近期特征用于描述所述访问量在预设时间段内的特征，所述预设时间段为距离当前时间小于或等于预设时长的时间段；所述输入变量包括周期性输入变量和近期输入变量，基于所述周期性特征，构建自回归模型的输入变量，包括：基于所述周期性特征，构建所述自回归模型的周期性输入变量；基于所述近期特征，构建所述自回归模型的近期输入变量。6.根据权利要求5所述的方法，其特征在于，所述方法还包...

【专利技术属性】
技术研发人员：翟鹏龙，陈芳芳，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：