[发明专利]信息预测方法、装置、电子设备和计算机可读介质

说明书

本申请实施例公开了信息预测方法、装置、电子设备和计算机可读介质。该方法的实施例包括：基于实体间的关联关系，构建邻接矩阵；基于邻接矩阵，构建包含图卷积神经网络的初始模型；获取各实体的所供应的样本产品的历史特征信息和历史供应信息，并基于历史特征信息和历史供应信息对初始模型进行训练，得到用于预测供应信息的目标模型；获取各实体所供应的待测产品的特征信息，并将特征信息输入至目标模型，预测出各实体对待测产品的供应信息。该实施方式提高了对供应信息预测的准确性。

技术领域

本申请实施例涉及计算机技术领域，具体涉及信息预测方法、装置、电子设备和计算机可读介质。

背景技术

随着计算机技术的发展，各类服务平台应运而生。例如，住宿预订平台可以为用户可提供酒店预订服务，订餐平台可以为用户提供餐品服务等。随着服务平台业务量的增加，通常需要对入驻服务平台中的实体(如住宿酒店、餐饮店、零售店等)的供应信息进行预测，以便于辅助实体进行库存管理。

现有技术中，通常通过实体所供应的产品的特征以及历史供应信息，构建用于预测供应信息的模型，并利用该模型预测各实体对待测产品的供应信息。然而，这种方式在预测过程中仅考虑了产品的特征，未考虑实体与实体之间的关联关系。例如，某两酒店相距较近，则其中一个酒店通常对另一酒店的供应信息存在影响。若两酒店距离较远，则相互之间通常不存在影响。由于现有方式未考虑实体与实体之间的关联关系，因而预测过程中的信息利用率较低，从而造成供应信息预测的准确性较低。

发明内容

本申请实施例提出了信息预测方法、装置、电子设备和计算机可读介质，以解决现有技术中对供应信息预测的准确性较低的技术问题。

第一方面，本申请实施例提供了一种信息预测方法，该方法包括：基于实体间的关联关系，构建邻接矩阵；基于邻接矩阵，构建包含图卷积神经网络的初始模型；获取各实体的所供应的样本产品的历史特征信息和历史供应信息，并基于历史特征信息和历史供应信息对初始模型进行训练，得到用于预测供应信息的目标模型；获取各实体所供应的待测产品的特征信息，并将特征信息输入至目标模型，预测出各实体对待测产品的供应信息。

第二方面，本申请实施例提供了一种信息预测装置，该装置包括：第一构建单元，被配置成基于实体间的关联关系，构建邻接矩阵；第二构建单元，被配置成基于邻接矩阵，构建包含图卷积神经网络的初始模型；训练单元，被配置成获取各实体的所供应的样本产品的历史特征信息和历史供应信息，并基于历史特征信息和历史供应信息对初始模型进行训练，得到用于预测供应信息的目标模型；预测单元，被配置成获取各实体所供应的待测产品的特征信息，并将特征信息输入至目标模型，预测出各实体对待测产品的供应信息。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中所描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中所描述的方法。

本申请实施例提供的信息预测方法、装置、电子设备和计算机可读介质，通过基于实体间的关联关系所构建的邻接矩阵，创建包含图卷积神经网络的初始模型，并基于各实体的所供应的样本产品的历史特征信息和历史供应信息，对该初始模型进行训练，得到用于预测供应信息的目标模型，从而可在获取各实体所供应的待测产品的特征信息后，将各特征信息输入至目标模型，预测得到各实体对待测产品的供应信息。由于邻接矩阵能够表征实体间的关联关系，因而基于邻接矩阵所构建的图卷积神经网络不仅能够学习到实体的特征，也能够学习到实体间的关联关系，由此提高了供应信息预测过程的信息利用率，从而提高了对各实体的供应信息预测的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：