[发明专利]多任务预测方法、装置、电子设备及存储介质

权利要求书

1.一种多任务预测方法，其特征在于，所述方法包括：

当接收到预测指令时，获取当前场景数据；

根据所述当前场景数据，确定所述当前场景数据对应的目标任务；

判断所述目标任务是否为首次出现的预测任务；

当所述目标任务为首次出现的预测任务时，获取与所述目标任务相关的目标数据；

按照比例拆分所述目标数据，得到第一数据集及第二数据集；

对所述第一数据集进行预处理，得到数据特征；

将所述数据特征输入至预先训练的至少一个模型中，得到至少一个预测结果；

采用长短期记忆算法训练所述至少一个预测结果，得到目标模型，包括：将所述至少一个预测结果输入到遗忘门层进行遗忘处理，得到第二训练数据，采用交叉验证法将所述第二训练数据划分为第二训练集及第二验证集，将所述第二训练集输入到输入门层进行训练，得到次级学习器，将所述第二验证集按照固定步长进行拆分，得到目标子集，遍历所述目标子集上两端端点的参数，通过所述两端端点的参数验证所述次级学习器，得到每个参数的学习率，将所述学习率最好的参数确定为第一超参数点，并在所述第一超参数点的邻域内，缩小所述固定步长继续遍历，直至缩小后的固定步长为预设步长，得到最优超参数点，根据所述最优超参数点调整所述次级学习器，得到所述目标模型；

将所述第二数据集输入至所述目标模型中，得到目标结果。

2.如权利要求1所述的多任务预测方法，其特征在于，所述获取与所述目标任务相关的目标数据包括以下一种或者多种方式的组合：

采用网络爬虫技术从互联网中获取与所述目标任务相关的目标数据；及/或

接收用户上传的与所述目标任务相关的目标数据。

3.如权利要求1所述的多任务预测方法，其特征在于，所述对所述第一数据集进行预处理，得到数据特征包括：

对所述第一数据集进行偏差检测，得到偏差数据；

删除所述偏差数据，得到所述数据特征。

4.如权利要求1所述的多任务预测方法，其特征在于，在将所述数据特征输入至预先训练的至少一个模型中，得到至少一个预测结果之前，所述方法还包括：

获取与所述目标任务相关的第一训练集，其中，所述第一训练集与所述第一数据集不相交；

采用神经网络算法及/或线性回归算法训练所述第一训练集，得到所述至少一个模型。

5.如权利要求1所述的多任务预测方法，其特征在于，在判断所述目标任务是否为首次出现的预测任务之后，所述方法还包括：

当判断所述目标任务不是首次出现的预测任务时，获取所述目标任务首次出现时的目标数据；

将所述目标数据输入至所述目标模型中，得到目标结果。

6.如权利要求1所述的多任务预测方法，其特征在于，在将所述第二数据集输入至所述目标模型中，得到目标结果后，所述方法还包括：

检测所述目标结果是否出现异常；

当检测到所述目标结果出现异常时，生成警报信息；

将所述警报信息发送到指定联系人的终端设备。