[发明专利]一种面向开源信息采集的资源更新时间预测方法及系统

权利要求书

1.一种面向开源信息采集的资源更新时间预测方法，其特征在于，所述方法包括：

获取目标网站的历史数据；所述历史数据包括多个历史更新时间以及多个所述历史更新时间对应的历史资源更新数量；

采用十折交叉法将所述历史数据划分为训练集和测试集；

根据所述训练集建立分类与回归树CART决策树模型；

所述根据所述训练集建立分类与回归树CART决策树模型，具体包括：

统计所述训练集中所有历史更新时间作为定义域；所述训练集中包括多个历史更新时间以及多个所述历史更新时间对应的历史资源更新数量；

对所述定义域进行递归划分，将所述定义域划分为M个集合R₁,R₂,...,R_M；

确定所述定义域的最优切分变量与最优切分点；

采用所述最优切分点将所述定义域划分为两个子区域；

将两个所述子区域分别作为所述定义域，返回所述对所述定义域进行递归划分，将所述定义域划分为M个集合R₁,R₂,...,R_M的步骤，对所述定义域进行递归划分，直到满足终止条件，将所述定义域划分为M个集合R₁,R₂,...,R_M；

根据所述M个集合R₁,R₂,...,R_M建立CART决策树模型其中x_i为历史更新时间；R_m表示所述M个集合中的第m个集合；C_m为第m个集合R_m的回归值；N_m表示第m个集合R_m中的元素个数；y_i为历史更新时间x_i对应的历史资源更新数量；f(x_i)为与历史更新时间x_i对应的更新时间所对应的预测资源更新数量；

根据所述测试集确定所述CART决策树模型的准确性；

根据所述测试集中的数据，采用公式计算所述CART决策树模型的准确性；

其中t_s为平均误差，N为定义域的元素个数，f(x_i)为通过所述CART决策树模型计算出来的预测资源更新数量，y_i为所述测试集中的历史更新时间x_i对应的历史资源更新数量；

判断所述准确性是否满足要求，获得第一判断结果；

若所述第一判断结果为所述准确性满足要求，采用所述CART决策树模型预测所述目标网站的更新时间以及所述更新时间对应的资源更新数量；

若所述第一判断结果为所述准确性不满足要求，返回所述采用十折交叉法将所述历史数据划分为训练集和测试集的步骤。

2.根据权利要求1所述的资源更新时间预测方法，其特征在于，所述判断所述准确性是否满足要求，获得第一判断结果，具体包括：

判断所述平均误差t_s是否小于误差阈值，获得第二判断结果；

若所述第二判断结果为所述平均误差t_s小于误差阈值，确定所述第一判断结果为所述准确性满足要求；

若所述第二判断结果为所述平均误差t_s不小于误差阈值，确定所述第一判断结果为所述准确性不满足要求。