[发明专利]数据趋势预测模型的训练方法、数据趋势的预测方法在审

专利信息
申请号: 202011447087.9 申请日: 2020-12-11
公开(公告)号: CN112580800A 公开(公告)日: 2021-03-30
发明(设计)人: 周余钱 申请(专利权)人: 京东数字科技控股股份有限公司
主分类号: G06N3/08 分类号: G06N3/08;G06N3/04;G06K9/62;G06Q40/04;G06Q10/04
代理公司: 北京同立钧成知识产权代理有限公司 11205 代理人: 马姣琴;刘芳
地址: 100176 北京市北京经济*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 数据 趋势 预测 模型 训练 方法
【说明书】:

本申请实施例提供一种数据趋势预测模型的训练方法、数据趋势的预测方法、装置、电子设备以及存储介质,包括:采集多个样本图像,以预设时间间隔对每一样本图像进行切割,并对切割后的每一样本图像进行特征提取,得到切割后的每一样本图像的图像特征,根据预设的卷积神经网络模型确定切割后的每一样本图像特征对应的权重,并基于各权重对卷积神经网络模型的参数进行调整,得到数据趋势预测模型,通过基于切割后的每一样本图像的图像特征,对卷积神经网络模型进行训练,生成用于对待分析对象的趋势类型进行预测的技术手段,避免了相关技术准确性偏低的问题,提高了对待分析对象的趋势类型的预测的准确性和可靠性,且提高了预测的效率的技术效果。

技术领域

本申请实施例涉及大数据和深度学习技术领域,尤其涉及一种数据趋势预测模型的训练方法、数据趋势的预测方法、装置、电子设备以及存储介质。

背景技术

随着互联网技术的发展,信息量不断增加,数据分析技术也有了新的发展和突破。

在现有技术中,可以由人工基于统计学的方式,如由数据分析员基于统计学的方式,对待分析对象的历史数据(如金融领域中的股票涨跌的历史数据,又如专利申请量的涨幅历史数据,等等)进行预测,得到未来某时间段内的预测结果(如股票或涨或跌,专利申请量涨幅,等等)。

在实现本申请过程中,发明人发现现有技术中至少存在如下问题:预测结果容易受主观因素的影响,导致预测结果的准确性偏低的技术问题。

发明内容

本申请实施例提供一种数据趋势预测模型的训练方法、数据趋势的预测方法、装置、电子设备以及存储介质,用以解决预测结果的准确性偏低的问题。

第一方面,本申请实施例提供一种数据趋势预测模型的训练方法,所述方法包括:

采集多个样本图像,其中,每一样本图像表征,待分析对象在预设时间段内的数据趋势;

以预设时间间隔对所述每一样本图像进行切割,并对切割后的每一样本图像进行特征提取,得到切割后的每一样本图像的图像特征;

根据预设的卷积神经网络模型确定切割后的每一样本图像特征对应的权重,并基于各权重对所述卷积神经网络模型的参数进行调整,得到数据趋势预测模型;其中,切割后的每一样本图像特征对应的权重,表征与切割后的每一样本图像特征对应的样本图像的趋势类型,所述数据趋势预测模型用于,对所述待分析对象的趋势类型进行预测。

在本实施例中,通过对每一样本图像进行切割,并对切割后的每一样本图像的特征进行提取,且基于切割后的每一样本图像的图像特征,对卷积神经网络模型进行训练,生成用于对待分析对象的趋势类型进行预测的技术方案,避免了相关技术中由人工基于统计学的方式进行预测,造成的准确性偏低的问题,提高了对待分析对象的趋势类型的预测的准确性和可靠性的技术效果,且提高了预测的效率,节约了人工成本的技术效果。

在一些实施例中,以预设时间间隔对所述每一样本图像进行切割,包括:

基于预设的所述待分析对象的类别属性,对所述多个样本图像进行分类,得到归属于各类别的样本图像,并以所述时间间隔对每一类别下的样本图像进行切割。

在本实施例中,在对每一样本图像进行切割时,以类别属性为基础执行,从而实现提高后续训练过程的效率,节约训练资源的技术效果,且可以提高后续基于数据趋势预测模型进行预测的准确性和可靠性的技术效果。

在一些实施例中,若所述待分析对象为数据交易对象,则所述待分析对象的类别属性,表征所述数据交易对象的体量区间;基于预设的所述待分析对象的类别属性,对所述多个样本图像进行分类,包括:

确定每一样本图像的体量信息,并确定每一样本图像的体量信息所属的体量区间;

基于每一样本图像的体量信息所属的体量区间,确定每一样本图像的类别。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于京东数字科技控股股份有限公司,未经京东数字科技控股股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011447087.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top