[发明专利]一种趋势预测模型的训练方法及装置

权利要求书

1.一种趋势预测模型的训练方法，其特征在于，包括：

获取预设时间段内的新闻关键词对应的词向量信息和影响力特征信息、并且获取所述预设时间段对应的趋势标签；

获取新闻特征信息；所述新闻特征信息基于所述词向量信息和所述影响力特征信息生成；

基于所述新闻特征信息及其对应的趋势标签对深度神经网络训练，得到用于输出趋势信息的趋势预测模型；在训练过程中，所述趋势预测模型的输入为所述新闻特征信息；所述趋势预测模型的标注为所述预设时间段对应的趋势标签；所述趋势预测模型的输出为预测趋势信息；

所述获取预设时间段内的新闻关键词对应的影响力特征信息，包括：

基于所述预设时间段的新闻关键词对应的新闻发布时刻和所述预设时间段对应的结束时刻，生成预设时间段内的新闻关键词对应的影响力特征信息；

所述基于所述预设时间段的新闻关键词对应的新闻发布时刻和所述预设时间段对应的结束时刻，生成预设时间段内的新闻关键词对应的影响力特征信息，包括：

基于第一影响力特征计算策略、所述预设时间段的新闻关键词对应的新闻发布时刻和所述预设时间段对应的结束时刻，生成预设时间段内的新闻关键词对应的影响力特征信息；所述第一影响力特征计算策略为：

影响力特征信息=

其中，α为可调整参数，为新闻发布时刻，T为结束时刻；

所述获取预设时间段内的新闻关键词对应的词向量信息，包括：

获取预设时间段内的新闻关键词；

从预设词向量库中获取所述新闻关键词对应的词向量；

基于所述词向量生成所述词向量信息；

所述词向量信息包括所有所述词向量的集合或者所有所述词向量的平均向量。

2.如权利要求1所述的趋势预测模型的训练方法，其特征在于，所述基于所述新闻特征信息及其对应的趋势标签对深度神经网络训练，得到用于输出趋势信息的趋势预测模型，包括：

将每个所述新闻特征信息输入所述深度神经网络进行处理，得到计算趋势信息；

使用预设的损失函数评估每个所述新闻特征信息对应的计算趋势信息与趋势标签之间的差异度；

当所述差异度大于预设的差异度阈值时，调整所述深度神经网络的模型参数，并返回执行所述将每个所述新闻特征信息输入所述深度神经网络进行处理，得到计算趋势信息；

得到所述趋势预测模型。

3.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1或2所述的方法。

4.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1或2所述的方法。