[发明专利]一种基于时序表征学习的视频会议流量预测方法及系统

权利要求书

1.一种基于时序表征学习的视频会议流量预测方法，其特征在于，包括：

获取视频会议的历史数据；

将所述视频会议的历史数据划分为等长的历史时间片，并统计每一所述历史时间片上的特征信息和每一所述历史时间片上的流量信息；

将每个所述历史时间片作为一个图节点构建流量姻亲图；

利用归纳式深度表征学习方法将所述流量姻亲图为输入，训练表征学习模型得到表征向量映射函数和每一所述历史时间片的表征向量；

以所述表征向量为输入，以每一所述历史时间片上的所述流量信息为输出，对长短期记忆网络模型进行训练得到时序流量预测模型；

获取视频会议的当前数据，并将所述视频会议的当前数据划分为等长的时间片；

获取当前时间片上的特征信息；

根据所述当前时间片上的特征信息、利用特征相似性融入所述流量姻亲图，结合所述表征向量映射函数得到当前时间片的表征向量；所述特征相似性为当前时间片节点与历史节点的余弦相似性；

以所述当前时间片的表征向量为输入，采用时序流量预测模型得到当前时间片的流量信息，进而完成视频会议流量的实时预测；

所述将每个所述历史时间片作为一个图节点构建流量姻亲图，具体包括：

将每个所述历史时间片作为一个图节点，根据每个所述历史时间片上的流量信息确定每一所述历史时间片的k近邻；所述k近邻为k个流量信息均满足预设流量信息的历史时间片；

将每个历史时间片与其本身的所述k近邻间建立无向边，得到所述流量姻亲图。

2.根据权利要求1所述的基于时序表征学习的视频会议流量预测方法，其特征在于，还包括：采用离线方式，根据所述当前时间片的特征信息和得到的所述当前时间片的流量信息更新所述流量姻亲图。

3.根据权利要求2所述的基于时序表征学习的视频会议流量预测方法，其特征在于，还包括：基于更新后的所述流量姻亲图更新所述时序流量预测模型。

4.一种基于时序表征学习的视频会议流量预测系统，其特征在于，包括：

历史数据获取模块，用于获取视频会议的历史数据；

历史时间片划分模块，用于将所述视频会议的历史数据划分为等长的历史时间片，并统计每一所述历史时间片上的特征信息和每一所述历史时间片上的流量信息；

流量姻亲图构建模块，用于将每个所述历史时间片作为一个图节点构建流量姻亲图；

表征向量输出模块，用于利用归纳式深度表征学习方法将所述流量姻亲图为输入，训练表征学习模型得到表征向量映射函数和每一所述历史时间片的表征向量；

时序流量预测模型训练模块，用于以所述表征向量为输入，以每一所述历史时间片上的所述流量信息为输出，对长短期记忆网络模型进行训练得到时序流量预测模型；

当前数据获取模块，用于获取视频会议的当前数据，并将所述视频会议的当前数据划分为等长的时间片；

特征信息获取模块，用于获取当前时间片上的特征信息；

表征向量确定模块，用于根据所述当前时间片上的特征信息、利用特征相似性融入所述流量姻亲图，结合所述表征向量映射函数得到当前时间片的表征向量；所述特征相似性为当前时间片节点与历史节点的余弦相似性；

流量预测模块，用于以所述当前时间片的表征向量为输入，采用时序流量预测模型得到当前时间片的流量信息，进而完成视频会议流量的实时预测；

所述流量姻亲图构建模块具体包括：

k近邻确定单元，用于将每个所述历史时间片作为一个图节点，根据每个所述历史时间片上的流量信息确定每一所述历史时间片的k近邻；所述k近邻为k个流量信息均满足预设流量信息的历史时间片；

流量姻亲图构建单元，用于将每个历史时间片与其本身的所述k近邻间建立无向边，得到所述流量姻亲图。

5.根据权利要求4所述的基于时序表征学习的视频会议流量预测系统，其特征在于，还包括：

流量姻亲图更新模块，用于采用离线方式，根据所述当前时间片的特征信息和得到的所述当前时间片的流量信息更新所述流量姻亲图。

6.根据权利要求5所述的基于时序表征学习的视频会议流量预测系统，其特征在于，还包括：

时序流量预测模型更新模块，用于基于更新后的所述流量姻亲图更新所述时序流量预测模型。