【技术实现步骤摘要】
本说明书涉及数据处理领域，尤其涉及一种时间序列预测方法及系统。
技术介绍
1、时间序列预测作为一种数据分析方法，在众多领域中有着广泛的应用。时间序列预测的主要目的是根据历史数据预测未来的趋势或事件发生的概率。
2、相关技术中使用传统的机器学习方法或者基于深度学习的方法实现时间序列预测。大多数时间序列预测方法是根据宏观层面的观测数据进行预测。例如，根据零售店过往每天的销售总额序列来预测未来一段时间每天的销售总额。然而，这些方法的准确性往往不能令人满意。
3、因此，需要提供一种新的时间序列预测方法及系统，以提升时间序列预测的准确性。
4、
技术介绍
部分的内容仅仅是申请人个人所知晓的信息，并不代表上述信息在本公开申请日之前已经进入公共领域，也不代表其可以成为本公开的现有技术。
技术实现思路
1、本说明书提供一种时间序列预测方法及系统，能够在使用宏观时间序列作为预测模型输入的基础上结合微观用户特征作为输入，从而提升预测准确性。
2、第一方面，本说明书提...
【技术保护点】
1.一种时间序列预测方法，包括：
2.如权利要求1所述的方法，其中，所述得到多个用户对应的多个用户数据，包括：
3.如权利要求1所述的方法，其中，所述基于所述多个用户数据得到微观用户特征，包括：
4.如权利要求3所述的方法，其中，所述基于所述多个用户行为序列得到用户行为特征，包括：
5.如权利要求3所述的方法，其中，一个用户数据还包括用户画像数据；
6.如权利要求5所述的方法，其中，所述基于多个用户画像数据得到用户画像特征，包括：
7.如权利要求5所述的方法，其中，所述基于所述用户行为特征以及所述...
【技术特征摘要】
1.一种时间序列预测方法，包括：
2.如权利要求1所述的方法，其中，所述得到多个用户对应的多个用户数据，包括：
3.如权利要求1所述的方法，其中，所述基于所述多个用户数据得到微观用户特征，包括：
4.如权利要求3所述的方法，其中，所述基于所述多个用户行为序列得到用户行为特征，包括：
5.如权利要求3所述的方法，其中，一个用户数据还包括用户画像数据；
6.如权利要求5所述的方法，其中，所述基于多个用户画像数据得到用户画像特征，包括：
7.如权利要求5所述的方法，其中，所述基于所述用户行...
【专利技术属性】
技术研发人员：刘雨，周凡，詹姆士·张，宁温馨，潘晨，孙银波，王世宇，胡云华，马琳涛，卢星宇，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。