[发明专利]用于多任务学习的方法及系统

权利要求书

1.一种生成多模态预测的方法，包括：

由计算系统从数据存储装置中检索赛事数据，所述赛事数据包括跨多个赛季的多个赛事的信息；

由所述计算系统使用混合密度网络，通过以下步骤生成预测模型：

从所述数据生成输入向量，所述输入向量包括一个或更多个与赛事数据中的每场比赛相关联的参数；以及

通过所述混合密度网络学习与所述赛事数据中每场比赛之后的下一场比赛相关联的多个值，其中，所述混合密度网络被训练成几乎同时输出所述多个值；

由所述计算系统接收针对竞赛中的赛事的数据集，所述数据集包括至少针对比赛场地位置和当前得分的信息；以及

由所述计算系统经由所述预测模型，基于所述数据集生成与所述赛事之后的下一个赛事相关联的多个值，其中，所述多个值几乎同时被确定。

2.如权利要求1所述的方法，其中，从所述数据生成所述输入向量包括：

对于所述赛事数据中的每场比赛，对所述每场比赛对应的数据进行分段。

3.如权利要求1所述的方法，其中，所述赛事数据中的每场比赛的所述数据包括分类特征和连续特征。

4.如权利要求3所述的方法，其中，从所述数据生成所述输入向量包括：

通过相应的嵌入层传递所述分类特征以创建每个分类特征的密集表示。

5.如权利要求4所述的方法，还包括：

将每个分类特征的所述密集表示与所述连续特征级联起来以生成所述输入向量。

6.如权利要求4所述的方法，其中，所述输入向量包括比赛场地位置数据的密集表示和比赛场地位置数据的原始表示。

7.如权利要求1所述的方法，其中，由所述计算系统经由所述预测模型，基于所述数据集生成与所述赛事之后的所述下一个赛事相关联的所述多个值包括：

生成输出向量，所述输出向量包括一个或更多个预期获得的米数、预期的比赛选择、在所述下一个赛事上得分的可能性、在包括所述下一个赛事的一系列赛事中得分的可能性、赢得比赛的可能性、得分线预测、预期分数、预期射门、预期犯规/罚球、预期角球、获胜概率、最终得分线、预期发球得分、预期得分、预期破发、获胜概率、最终得分、特定球员得分的预期分数、每个特定球员的预期篮板数、获胜概率以及最终得分预测，取决于所识别的运动。

8.一种用于生成多模态预测的系统，包括：

处理器；以及

存储器，所述存储器存储有编程指令，当所述编程指令由所述处理器执行时，执行一个或更多个操作，包括：由计算系统从数据存储装置中检索数据，所述数据包括跨多个赛季的多个赛事的信息；

通过以下步骤使用混合密度网络生成预测模型：

从所述数据生成输入向量，所述输入向量包括一个或更多个与赛事数据中的每场比赛相关联的参数；以及

通过所述混合密度网络学习与所述赛事数据中每场比赛之后的下一场比赛相关联的多个值，其中，所述混合密度网络被训练成几乎同时输出所述多个值；

接收针对竞赛中的赛事的数据集，所述数据集包括至少针对比赛场地位置和当前得分的信息；以及

经由所述预测模型，基于所述数据集生成与所述赛事之后的下一个赛事相关联的多个值，其中，所述多个值几乎同时被确定。

9.如权利要求8所述的系统，其中，从所述数据生成所述输入向量包括：

对于所述赛事数据中的每场比赛，对所述每场比赛对应的数据进行分段。

10.如权利要求8所述的系统，其中，所述赛事数据中的每场比赛的所述数据包括分类特征和连续特征。

11.如权利要求10所述的系统，其中，从所述数据生成所述输入向量包括：

通过相应的嵌入层传递所述分类特征以创建每个分类特征的密集表示。