时间序列数据预测方法、系统、设备及介质技术方案

本发明专利技术涉及数据处理技术领域，提供一种时间序列数据预测方法、系统、设备及介质，包括：获取资讯文本；根据所述资讯文本，通过资讯文本情感倾向判定模型，得到资讯文本情感倾向特征向量；利用第一注意力机制融合所述资讯文本情感倾向特征向量和历史时间序列数据，得到市场历史走向向量；根据所述市场历史走向向量，通过趋势预测模型预测市场未来趋势，得到未来时间序列数据。本发明专利技术提供的时间序列数据预测方法、系统、设备及介质，借助舆情分析实现时间序列数据的精确预测，能够有效应对时间序列趋势的突变，预测出与实际情况更为贴近的时间序列数据。

【技术实现步骤摘要】

本专利技术涉及数据处理，尤其涉及一种时间序列数据预测方法、系统、设备及介质。

技术介绍

1、时间序列数据是指在不同时间上收集的数据，用于描述现象随时间变化的情况。这类数据反映了某一事物、现象等随时间的变化状态或者程度。由于时间序列数据在日常生活工作中，易收集、产量大的特点，近年来得到广泛的关注。这种数据在不同领域上可以进行不同的任务，比如：工业数据可以进行用电趋势分析；金融数据可以进行价格走势预测等。现有技术一般采用深度神经网络模型基于历史时间序列数据直接预测未来时间序列数据，但这些模型大多都具有两个共同的缺点，一是现有的方法对时间序列趋势的突变不够敏感，导致预测得到的数据不够精确，与实际数据相差甚远，二是预测结果不具有可解释性。因此，亟需一种新型的时间序列数据预测方法。

技术实现思路

1、本专利技术提供一种时间序列数据预测方法、系统、设备及介质，用以解决现有技术对时间序列趋势的突变不够敏感，导致预测得到的时间序列数据不够精确，与实际数据相差甚远的缺陷。

2、本专利技术提供一种时间序列数据预测方法本文档来自技高网...

【技术保护点】

1.一种时间序列数据预测方法，其特征在于，包括：

2.根据权利要求1所述的时间序列数据预测方法，其特征在于，所述根据所述资讯文本，通过资讯文本情感倾向判定模型，得到资讯文本情感倾向特征向量，包括：

3.根据权利要求2所述的时间序列数据预测方法，其特征在于，所述利用第一注意力机制融合所述资讯文本情感倾向特征向量和历史时间序列数据，得到市场历史走向向量，包括：

4.根据权利要求3所述的时间序列数据预测方法，其特征在于，所述根据所述市场历史走向向量，通过趋势预测模型预测市场未来趋势，得到未来时间序列数据，包括：

5.根据权利要求4所述的时间序列数...

【技术特征摘要】

1.一种时间序列数据预测方法，其特征在于，包括：

2.根据权利要求1所述的时间序列数据预测方法，其特征在于，所述根据所述资讯文本，通过资讯文本情感倾向判定模型，得到资讯文本情感倾向特征向量，包括：

3.根据权利要求2所述的时间序列数据预测方法，其特征在于，所述利用第一注意力机制融合所述资讯文本情感倾向特征向量和历史时间序列数据，得到市场历史走向向量，包括：

4.根据权利要求3所述的时间序列数据预测方法，其特征在于，所述根据所述市场历史走向向量，通过趋势预测模型预测市场未来趋势，得到未来时间序列数据，包括：

5.根据权利要求4所述的时间序列数据预测方法，其特征在于，所述利用第二注意力机制融合所述时间维度特征和所述全局特征，得到市场趋势变化向量，包括：

【专利技术属性】
技术研发人员：刘林，林山驰，李相国，
申请(专利权)人：宏景科技股份有限公司，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人