目标事件的预测方法技术

本申请实施例适用于计算机技术领域，提供了一种目标事件的预测方法

【技术实现步骤摘要】
目标事件的预测方法、装置、终端设备及存储介质


[0001]本申请实施例属于计算机
，特别是涉及一种目标事件的预测方法
、
装置
、
终端设备及存储介质
。

技术介绍

[0002]在现代社会中，随着政府事务的多样化，政府工作人员每天都处理巨量的待办理事件
。
为了提高办事效率，遵循急事优先办理的处理原则，政府工作人员需要通过事件预测技术从巨量的待办事件中将可能出现风险的事件准确识别出来
。
现有的事件预测技术多为单模态事件预测技术，即现有技术只能通过一种类型的历史数据对待办理事件进行建模预测，如通过文本数据进行建模预测
。
然而，随着网络媒体的不断发展，待办理事件的相关数据可以通过微博
、
微信
、
来电
、
走访等多种形式进行收集，进一步地，待办理事件的相关数据可以由文本
、
音频
、
图片等多种不同模态的数据组成
。
因此，现有技术中单模态的事件预测方法无法充分利用待办理事件的所有相关数据进行风险预测，预测的准确性较低
。

技术实现思路

[0003]有鉴于此，本申请实施例提供了一种目标事件的预测方法
、
装置
、
终端设备及存储介质，用以提高事件预测的准确性
。
[0004]本申请实施例的第一方面提供了一种目标事件的预测方法，包括：
[0005]一种目标事件预测方法，其特征在于，包括：
[0006]获取多个数据类型不同的事件数据；多个所述事件数据对应同一目标事件；
[0007]根据各个事件数据对应的数据类型分别对所述各个待处理数据进行特征提取，生成所述各个待处理数据各自对应的特征数据；
[0008]根据各个所述特征数据的特征权重，对所有所述特征数据进行加权融合，生成融合特征；
[0009]通过预设的预测模型对所述融合特征进行预测计算，生成所述目标事件对应的异常预测结果
。
[0010]本申请实施例的第二方面提供了一种目标事件的预测装置，包括：
[0011]数据获取模块，用于获取多个数据类型不同的事件数据；多个所述事件数据对应同一目标事件；
[0012]特征提取模块，用于根据各个事件数据对应的数据类型分别对所述各个待处理数据进行特征提取，生成所述各个待处理数据各自对应的特征数据；
[0013]特征融合模块，用于根据各个所述特征数据的特征权重，对所有所述特征数据进行加权融合，生成融合特征；
[0014]预测模块，用于通过预设的预测模型对所述融合特征进行预测计算，生成所述目标事件对应的异常预测结果
。
[0015]本申请实施例的第三方面提供了一种终端设备，包括存储器
、
处理器以及存储在
所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的目标事件的预测方法
。
[0016]本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的目标事件的预测方法
。
[0017]本申请实施例的第五方面提供了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行上述第一方面所述的目标事件的预测方法
。
[0018]与现有技术相比，本申请实施例具有以下优点：
[0019]本申请实施例，终端设备可以获取多个数据类型不同的事件数据；其中，多个不同的事件数据对应于同一目标事件；终端设备可以根据各种事件数据对应的数据类型，分别对各种事件数据进行特征提取，生成各种事件数据各自对应的特征数据；终端设备可以根据各个特征数据对应的特征权重，对所有特征数据进行加权融合，生成融合特征；而后终端设备可以通过预设的预测模型对融合特征进行预测计算，生成目标事件对应的异常检测结果
。
通过本申请实施例提供的方法，终端设备可以采取多个数据类型不同的事件数据对目标事件进行预测计算，因此可以提供目标事件的预测准确性
。
附图说明
[0020]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍
。
显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0021]图1是本申请实施例提供的一种目标事件的预测方法示意图；
[0022]图2是本申请第二实施例提供的一种目标事件预测方法
S102
的具体实现流程图；
[0023]图3是本申请第三实施例提供的一种目标事件的预测方法
S102
的具体实现流程图；
[0024]图4是本申请第四实施例提供的一种目标事件的预测方法
S102
的具体实现流程图；
[0025]图5是本申请第五实施例提供的一种目标事件的预测方法
S103
的具体实现流程图；
[0026]图6是本申请第六实施例提供的一种目标事件的预测方法
S104
的具体实现流程图；
[0027]图7是本申请实施例提供的一种目标事件的预测装置的示意图；
[0028]图8是本申请实施例提供的一种终端设备的示意图
。
具体实施方式
[0029]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构
、
技术之类的具体细节，以便透彻理解本申请实施例
。
然而，本领域技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请
。
在其他情况中，省略对众所周知的系统
、
装置
、
电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述
。
[0030]下面通过具体实施例来说明本申请的技术方案
。
[0031]参照图1，示出了本申请实施例提供的一种目标事件的预测方法示意图，该目标事件的预测方法可以应用于计算机电脑
、
平板电脑
、
智能手机等多种终端设备
。
上述目标事件的预测方法具体可以包括如下步骤：
[0032]S101、
获取多个数据类型不同的事件数据；多个所述事件数据对应同一目标事件；
[0033]在本实施例中，当用户需要对目标事件进行事件预测时，可以向终端设备发起预测指令
。
终端设备可以响应于用户发起的预测指令，获取同一目标事件对应的多个数据类型不同的事件数据
。
[0034]在一种可能的实现方式中，用户发起的预测指令中可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种目标事件预测方法，其特征在于，包括：获取多个数据类型不同的事件数据；多个所述事件数据对应同一目标事件；根据各个事件数据对应的数据类型分别对所述各个事件数据进行特征提取，生成所述各个事件数据各自对应的特征数据；根据各个所述特征数据的特征权重，对所有所述特征数据进行加权融合，生成融合特征；通过预设的预测模型对所述融合特征进行预测计算，生成所述目标事件对应的异常预测结果
。2.
根据权利要求1所述的方法，其特征在于，所述事件数据包括多个图像数据，所述特征数据包括表情特征，所述根据各个事件数据对应的数据类型分别对所述各个事件数据进行特征提取，生成所述各个事件数据各自对应的特征数据，包括：将所述多个图像数据输入至预设的人脸检测模型，确定各个所述图像数据包含的人脸数据；通过预设的表情提取模型从各个所述人脸数据中提取出各个所述图像数据对应的表情特征
。3.
根据权利要求1所述的方法，其特征在于，所述事件数据包括登记数据，所述特征数据包括结构化特征，所述根据各个事件数据对应的数据类型分别对所述各个事件数据进行特征提取，生成所述各个事件数据各自对应的特征数据，包括：基于所述所有登记数据生成所述目标事件对应的纠纷信息；根据与所述纠纷信息对应的相关案例，确定所述目标事件对应的相关数据类型和潜在趋势信息；基于所述相关数据类型从所述所有登记数据中筛选出多个相关数据；对所述潜在趋势信息和所有所述相关数据进行特征编码，生成所述结构化特征
。4.
根据权利要求1所述的方法，其特征在于，所述事件数据包括文本数据，所述特征数据包括文本情感特征，所述根据各个事件数据对应的数据类型分别对所述各个事件数据进行特征提取，生成所述各个事件数据各自对应的特征数据，包括：基于字符向量转换字典，将所述文本数据中的各个字符转换为输入向量；基于各个字符在所述文本数据中的次序，依次将各个所述输入向量导入至预设的编解码网络，生成所述文本数据对应的文本情感特征
。5.
根据权利要求1所述的方法，其特征在于，所述特征数据包括文本情感特征和多个表情特征，所述根据预设的特征权重算法确定各个所述特征数据对应的特征权重，并根据所述特征权重对所有所述特征数据进行加权融合，生成融合特征，包括：基于预设的变换矩阵对所述多个表情特征和所述文本情感特征进行维度统一，生成待融合文本特征和多个待融合表情特征；通过预设的余弦相似度算法计算各个所述待融合表情特征与所述待融合文本特征之间...

【专利技术属性】
技术研发人员：屈玉涛，王文敏，宁洪波，刘博，胡金晖，阮威健，何耀彬，张文标，
申请(专利权)人：中电科新型智慧城市研究院有限公司，
类型：发明
国别省市：