[发明专利]多任务预测方法、装置、电子设备及存储介质

说明书

本发明提供一种多任务预测方法、装置、电子设备及存储介质。所述多任务预测方法能够当接收到预测指令时，获取当前场景数据，确定所述当前场景数据所属的目标任务，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，按照比例划分所述目标数据，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，将所述第二数据集输入至所述目标模型中，得到目标结果，既能通过目标模型按需预测，又能根据所述预测任务进行时序预测。

技术领域

本发明涉及智能决策技术领域，尤其涉及一种多任务预测方法、装置、电子设备及存储介质。

背景技术

随着人工智能的快速发展，计算机技术在各行各业中方便着人们的生活，在对特定场景的预测方面也不例外。然而，在现有的技术方案中，对多种场景进行预测，需要针对每一种场景训练一个模型，从而导致预测的效率低下，因此，如何训练出一个对多种场景进行预测的模型成了亟待解决的问题，除此之外，每次对相同的任务进行预测时，仍然需要从互联网中获取数据预测，这也降低了预测的效率。

发明内容

鉴于以上内容，有必要提供一种多任务预测方法、装置、电子设备及存储介质，能够通过目标模型按需预测，还能够根据所述预测任务进行时序性的预测。

一种多任务预测方法，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；

将所述第二数据集输入至所述目标模型中，得到目标结果。

根据本发明优选实施例，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。

根据本发明优选实施例，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。

根据本发明优选实施例，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。

根据本发明优选实施例，所述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；