[发明专利]预测方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种预测方法，其特征在于，包括：

获取与预定国家相关的跨境游数据；其中，所述跨境游数据至少包括用户对所述预定国家跨境游的关注数据、与所述预定国家产生的跨境游相关的历史外汇交易数据以及用户数据；

根据所述跨境游数据以及预先训练好的预测模型预测出在未来预定时间段内与所述预定国家产生的跨境游相关的外汇交易数据，

其中，根据所述跨境游数据以及预先训练好的预测模型预测出在未来预定时间段内与所述预定国家产生的跨境游相关的外汇交易数据，包括：

根据用户对所述预定国家跨境游的关注数据以及预先训练好的第一预测模型预测在所述未来预定时间段内去所述预定国家旅游的人数，并根据所述人数以及在所述预定国家中的人均旅游消费确定在所述未来预定时间段内跨境游相关的第一外汇交易量；

根据与所述预定国家产生的跨境游相关的历史外汇交易数据以及预先训练好的第二预测模型预测在所述未来预定时间段内与所述预定国家产生的跨境游相关的第二外汇交易量；

根据所述用户数据以及预先训练好的第三预测模型预测用户在所述未来预定时间段内与所述预定国家产生的跨境游相关的第三外汇交易量；

根据所述第一外汇交易量、第二外汇交易量和第三外汇交易量以及预先训练好的第四预测模型预测在所述未来预定时间段内与所述预定国家产生的跨境游相关的外汇交易量。

2.根据权利要求1所述的预测方法，其特征在于，所述预测方法还包括：

获取多个训练样本；其中，所述训练样本包括跨境游数据以及所述跨境游数据对应的真实外汇交易数据；

利用所述多个训练样本对机器自学习模型进行训练，获得所述预测模型。

3.根据权利要求2所述的预测方法，其特征在于，所述机器自学习模型至少包括深度神经网络。

4.根据权利要求1所述的预测方法，其特征在于，所述预测方法还包括：

获取多个第一训练样本；其中，所述第一训练样本至少包括第一预定历史时间段内收集的用户对所述预定国家的跨境游关注数据、以及所述第一预定历史时间段之后去所述预定国家旅游的真实人数；

利用所述多个第一训练样本对预先建立的第一机器自学习模型进行训练，获得所述第一预测模型。

5.根据权利要求1所述的预测方法，其特征在于，所述预测方法还包括：

获取多个第二训练样本；其中，所述第二训练样本至少包括第二预定历史时间段内与所述预定国家产生的跨境游相关的样本外汇交易量、以及所述第二预定历史时间段之后与所述预定国家产生的跨境游相关的结果外汇交易量；

根据所述多个第二训练样本对预先建立的第二机器自学习模型进行训练，获得所述第二预测模型。

6.根据权利要求1所述的预测方法，其特征在于，所述预测方法还包括：

获取多个第三训练样本；其中，所述第三训练样本至少包括第三预定历史时间段内收集的用户数据、以及所述用户数据对应的用户在所述第三预定历史时间段之后与所述预定国家产生的跨境游相关的用户外汇交易量；

利用所述多个第三训练样本对预先建立的第三机器自学习模型进行训练，获得所述第三预测模型。

7.根据权利要求1所述的预测方法，其特征在于，所述预测方法还包括：

获取多个第四训练样本；其中，所述第四训练样本至少包括第四预定历史时间段内的所述第一外汇交易量、第二外汇交易量、第三外汇交易量和所述第四预定历史时间段内与所述预定国家产生的跨境游相关的外汇交易量；

利用所述多个第四训练样本对预先建立的第四机器自学习模型进行训练，获得所述第四预测模型。

8.根据权利要求4-7任一项所述的预测方法，其特征在于，第一机器自学习模型、第二机器自学习模型、第三机器自学习模型和/或第四机器自学习模型至少包括深度神经网络。

9.根据权利要求1-7任一项所述的预测方法，其特征在于，用户对所述预定国家跨境游的关注数据包括用户对所述预定国家跨境游的评论数据。