数据预测方法技术

本说明书公开了一种数据预测方法

【技术实现步骤摘要】
数据预测方法、装置、存储介质及设备


[0001]本说明书涉及计算机
，尤其涉及一种数据预测方法
、
装置
、
存储介质及设备
。

技术介绍

[0002]时序数据是指时间序列数据，是根据统一指标按照时间顺序记录的数据列，是一种非常常见的数据类型
。
相关技术中，通过对时间序列数据进行时间序列分析，构建时间序列模型用于预测一些重要的数据，如商品的销售额和基金的需求量等
。
但是，现有时间序列模型中并未重视位置编码对模型预测的影响，仍使用较为粗糙的位置编码，如绝对位置编码
、
相对位置编码和时间戳编码，未充分考虑时序数据的特点
。

技术实现思路

[0003]本说明书实施例提供的一种数据预测方法
、
装置
、
存储介质及设备，通过构建独立的位置编码模型，基于时序数据中的时序特征进行位置编码以及位置编码预测，然后基于位置编码数据和时序数据进行数据预测，可以有效提高数据预测的准确性和稳定性
。
所述技术方案如下：
[0004]第一方面，本说明书实施例提供了一种数据预测方法，所述方法包括：
[0005]获取目标事务在第一预设时长内的时序数据；
[0006]将所述时序数据输入至预训练的位置编码模型中，得到位置编码数据，所述位置编码数据包括所述时序数据对应的第一位置编码以及第二位置编码，所述第二位置编码用于指示所述目标事务的预测数据的位置指示信息，所述预测数据为预测所述第一预设时长后的第二预设时长内所述目标事务的事务数据，所述第二预设时长为与所述第一预设时长相邻的下一预设时长；
[0007]将所述时序数据和所述位置编码数据输入至预训练的时序预测模型中，得到所述目标事务对应的预测数据
。
[0008]第二方面，本说明书实施例提供了一种位置编码模型训练方法，所述方法包括：
[0009]构建样本训练数据集，所述样本训练数据包括样本时序数据以及所述样本时序数据对应的真实位置编码；
[0010]基于预设模型训练算法对所述样本训练数据进行学习训练，得到训练完成的位置编码模型
。
[0011]第三方面，本说明书实施例提供了一种数据预测装置，所述装置包括：
[0012]数据获取模块，用于获取目标事务在第一预设时长内的时序数据；
[0013]位置编码模块，用于将所述时序数据输入至预训练的位置编码模型中，得到位置编码数据，所述位置编码数据包括所述时序数据对应的第一位置编码以及第二位置编码，所述第二位置编码用于指示所述目标事务的预测数据的位置指示信息，所述预测数据为预测所述第一预设时长后的第二预设时长内所述目标事务的事务数据，所述第二预设时长为
与所述第一预设时长相邻的下一预设时长；
[0014]数据预测模块，用于将所述时序数据和所述位置编码数据输入至预训练的时序预测模型中，得到所述目标事务对应的预测数据
。
[0015]第四方面，本说明书实施例提供了一种位置编码模型训练装置，所述装置包括：
[0016]样本构建模块，用于构建样本训练数据集，所述样本训练数据包括样本时序数据以及所述样本时序数据对应的真实位置编码；
[0017]模型训练模块，用于基于预设模型训练算法对所述样本训练数据进行学习训练，得到训练完成的位置编码模型
。
[0018]第五方面，本说明书实施例提供一种计算机程序产品，所述计算机程序产品存储有至少一条指令，所述至少一条指令适于由处理器加载并执行上述的方法步骤
。
[0019]第六方面，本说明书实施例提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序适于由处理器加载并执行上述的方法步骤
。
[0020]第七方面，本说明书实施例提供一种电子设备，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤
。
[0021]本说明书一些实施例提供的技术方案带来的有益效果至少包括：
[0022]采用本说明书实施例提供的数据预测方法，首先获取目标事务在第一预设时长内的时序数据，然后将时序数据输入至预训练的位置编码模型中，得到位置编码数据，其中，位置编码数据包括时序数据对应的第一位置编码以及第二位置编码，第二位置编码用于指示目标事务的预测数据的位置指示信息，预测数据为预测第一预设时长后的第二预设时长内目标事务的事务数据，第二预设时长为与第一预设时长相邻的下一预设时长，最后将时序数据和位置编码数据输入至预训练的时序预测模型中进行预测，得到目标事务对应的预测数据，通过独立的位置编码模型对时序数据进行位置编码以及位置编码的预测，充分提炼时序特征和时序位置之间的关系，然后基于位置编码数据和时序数据进行数据预测，可以有效提高时序数据预测的准确性和稳定性
。
附图说明
[0023]为了更清楚地说明本说明书实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，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
。
[0024]图1为本说明书实施例提供的一种数据预测方法的流程示意图；
[0025]图2为本说明书实施例提供的一种数据预测方法的系统结构图；
[0026]图3为本说明书实施例提供的一种数据预测方法的流程示意图；
[0027]图4为本说明书实施例提供的一种数据预测方法的流程示意图；
[0028]图5为本说明书实施例提供的一种数据预测方法的流程示意图；
[0029]图6为本说明书实施例提供的一种数据预测装置的结构示意图；
[0030]图7为本说明书实施例提供的一种位置编码模型训练装置的结构示意图；
[0031]图8为本说明书实施例提供的一种电子设备的结构方框图
。
具体实施方式
[0032]下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例
。
基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围
。
[0033]在本说明书的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性
。
在本说明书的描述中，需要说明的是，除非另有明确的规定和限定，“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含
。
例如包含了一系列步骤或单元的过程
、
方法
、
系统
、
产品或设备没有限本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种数据预测方法，所述方法包括：获取目标事务在第一预设时长内的时序数据；将所述时序数据输入至预训练的位置编码模型中，得到位置编码数据，所述位置编码数据包括所述时序数据对应的第一位置编码以及第二位置编码，所述第二位置编码用于指示所述目标事务的预测数据的位置指示信息，所述预测数据为预测所述第一预设时长后的第二预设时长内所述目标事务的事务数据，所述第二预设时长为与所述第一预设时长相邻的下一预设时长；将所述时序数据和所述位置编码数据输入至预训练的时序预测模型中，得到所述目标事务对应的预测数据
。2.
根据权利要求1所述的方法，所述将时序数据输入至预训练的位置编码模型中，得到位置编码数据，包括：对所述时序数据进行特征提取处理，得到所述时序数据对应的时序特征；基于所述时序特征生成所述位置编码数据
。3.
根据权利要求1所述的方法，所述时序数据包括所述目标事务对应的事务数据以及所述事务数据对应的协变量数据，所述协变量数据为所述目标事务对应的事务场景数据
。4.
根据权利要求1所述的方法，所述将所述时序数据和所述位置编码数据输入至预训练的时序预测模型中，得到所述目标事务对应的预测数据，包括：对所述时序数据以及所述位置编码数据分别进行特征编码处理，得到所述时序数据对应的时序数据特征和所述位置编码数据对应的位置编码特征；基于所述时序数据特征和所述位置编码特征进行数据预测，得到所述目标事务对应的预测数据
。5.
根据权利要求4所述的方法，所述位置编码特征包括所述时序数据对应的第一位置编码特征和所述预测数据对应的第二位置编码特征；所述基于所述时序数据特征和所述位置编码特征进行数据预测，得到所述目标事务对应的预测数据，包括：对所述时序数据特征以及所述第一位置编码特征进行特征融合处理，得到融合后的融合数据特征；基于所述融合数据特征以及所述第二位置编码特征进行数据预测，得到所述目标事务对应的预测数据
。6.
根据权利要求5所述的方法，所述基于所述融合数据特征以及所述第二位置编码特征进行数据预测，得到所述目标事务对应的预测数据之前，还包括：基于自注意力机制对所述融合数据特征进行特征增强处理，得到增强后的融合数据特征
。7.
一种位置编码模型训练方法，包括：构建样本训练数据集，所述样本训练数据包括样本时序数据以及所述样本时序数据对应的真实位置编码；基于预设模型训练算法对所述样本训练数据进行学习...

【专利技术属性】
技术研发人员：魏建平，黄振港，刘子奇，张志强，周俊，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：