[发明专利]一种特征预测方法、系统及引擎

说明书

本发明公开了一种特征预测方法、系统及引擎，其中，所述方法包括：接收携带输入数据的特征预测请求，并识别所述特征预测请求中包含的子请求；分别选择与各个所述子请求相匹配的预测模型，并通过选择的所述预测模型对所述输入数据分别进行预测，以得到各个所述子请求对应的预测结果；将各个所述子请求对应的预测结果按照预设融合算法进行融合，以得到并展示所述特征预测请求的最终预测结果。本申请提供的技术方案，能够提高特征预测的精度。

技术领域

本发明涉及互联网技术领域，特别涉及一种特征预测方法、系统及引擎。

背景技术

随着云计算、大数据、人工智能等技术的快速发展，以及各种应用场景的不断成熟，越来越多的数据需要上传到云端进行处理，给云端带来相当多的工作负载。为了减轻云端的工作负载，以及越来越多的应用需要更快的反应速度，边缘智能(Edge Intelligence)应运而生。边缘智能可以使得大部分数据的收集、处理、分析、决策的过程都能在靠近数据源的一侧完成，从而极大地减轻了云端的工作负载，并且由于距离数据源较近，因此反应速度更快。

目前的边缘智能在进行特征预测时，通常只能采用单一的模型进行预测。然而，在实际应用中，针对相同的数据，可能需要进行多个特征的预测。在这种情况下，现有的边缘智能在进行特征预测时，往往具备较低的精度。

发明内容

本申请的目的在于提供一种特征预测方法、系统及引擎，能够提高特征预测的精度。

为实现上述目的，本申请一方面提供一种特征预测方法，所述方法包括：接收携带输入数据的特征预测请求，并识别所述特征预测请求中包含的子请求；分别选择与各个所述子请求相匹配的预测模型，并通过选择的所述预测模型对所述输入数据分别进行预测，以得到各个所述子请求对应的预测结果；将各个所述子请求对应的预测结果按照预设融合算法进行融合，以得到并展示所述特征预测请求的最终预测结果。

为实现上述目的，本申请另一方面还提供一种特征预测系统，所述系统包括应用层、模型层、平台层以及资源层，其中：所述应用层，用于接收携带输入数据的特征预测请求，并识别所述特征预测请求中包含的子请求；以及展示所述特征预测请求的最终预测结果；所述模型层，用于分别选择与各个所述子请求相匹配的预测模型，并通过选择的所述预测模型对所述输入数据分别进行预测，以得到各个所述子请求对应的预测结果；以及将各个所述子请求对应的预测结果按照预设融合算法进行融合，以得到所述特征预测请求的最终预测结果；所述平台层，用于在训练各个所述预测模型，以及通过选择的预测模型对所述输入数据分别进行预测时，创建对应的任务，并为创建的所述任务分配所需的计算资源；其中，所述计算资源至少包括中央处理器资源、图形处理器资源和内存资源；所述资源层，用于统计当前的计算资源，并响应于所述平台层的调度请求，将所述计算资源提供给对应的任务。

为实现上述目的，本申请另一方面还提供一种特征预测引擎，所述特征预测引擎包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现上述的特征预测方法。

由上可见，本申请提供的技术方案，在接收到特征预测请求时，可以识别该特征预测请求中包含的各个子请求。然后，可以从预先训练得到的多个预测模型中，选择与各个所述子请求相匹配的预测模型，并通过选择的预测模型分别针对各个子请求进行预测，从而得到各自的预测结果。后续，为了得到特征预测请求的最终预测结果，可以按照预设融合算法，对得到的各个预测结果进行融合。这样，通过多个预测模型协同运作，以及将多个预测结果进行融合，能够得到较高精度的预测结果，从而更好地满足边缘智能的需求。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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。

图1是本发明实施方式中特征预测方法的步骤示意图；