[发明专利]像素点信息预测方法、装置、设备及存储介质

权利要求书

1.一种像素点信息预测方法，其特征在于，所述像素点信息预测方法包括：

获取目标用户在预设观察周期内的像素点信息集合；

对所述预设观察周期进行划分，获得各划分周期；

基于各所述划分周期，对所述像素点信息集合进行张量化处理，获得各所述划分周期对应的时空数据张量；

将所述时空数据张量输入像素点预测模型，输出像素点预测结果，其中，所述像素点预测模型是根据由各待训练像素点信息构成的待训练数据张量进行迭代训练优化得到的。

2.如权利要求1所述像素点信息预测方法，其特征在于，所述获取目标用户在预设观察周期内对应的像素点信息集合的步骤包括：

获取所述目标用户在预设观察周期中的各像素点信息；

对各所述像素点信息按照预设编号规则进行编号，获得像素点信息集合。

3.如权利要求2所述像素点信息预测方法，其特征在于，所述对各所述像素点信息按照预设编号规则进行编号，获得像素点信息集合的步骤包括：

统计所述目标用户在预设观察周期内访问各所述像素点信息对应的停留时长；

基于各所述像素点信息对应的停留时长，对各所述像素点信息进行排序，获得像素点信息序列；

对所述像素点信息序列按照预设数量进行编号，获得所述像素点信息集合。

4.如权利要求1所述像素点信息预测方法，其特征在于，所述基于各所述划分周期，对所述像素点信息集合进行张量化处理，获得各所述划分周期对应的时空数据张量的步骤包括：

统计所述像素点信息集合中的各像素点信息在各所述划分周期中各相同时间子周期中分别对应的目标停留时间；

计算在各所述划分周期中各相同时间子周期中所述像素点信息集合的总停留时长；

分别计算各所述像素点信息分别对应的目标停留时间与所述总停留时长之间的时长占比，获得所述像素点信息集合在各所述划分周期中各相同时间子周期对应的时长占比向量；

将所述像素点信息集合在各所述划分周期中各相同时间子周期对应的时长占比向量进行组合，获得各所述划分周期对应的时空数据张量。

5.如权利要求1所述像素点信息预测方法，其特征在于，所述像素点预测模型包括卷积神经网络模型，

所述将所述待预测数据张量输入像素点预测模型，输出像素点预测结果的步骤包括：

通过所述卷积神经网络模型的卷积层对所述时空数据张量进行卷积操作，获得所述历史时空数据张量的特征向量；

通过所述卷积神经网络模型的池化层对所述特征向量进行池化操作，获得目标特征值；

通过所述卷积神经网络模型的全连接层对所述目标特征值进行全连接处理，获得所述像素点预测结果。

6.如权利要求1所述像素点信息预测方法，其特征在于，在将所述时空数据张量输入像素点预测模型，输出像素点预测结果，其中，所述像素点预测模型是根据由各待训练像素点信息构成的待训练数据张量进行迭代训练优化得到的步骤之前，所述像素点信息预测方法还包括：

获取待训练卷积神经网络模型；

获取样本用户在预设观察周期内的待训练像素点信息集合；

对所述预设观察周期进行划分，获得各划分周期；

基于各所述划分周期，对所述待训练像素点信息集合进行张量化处理，获得待训练数据张量；

通过所述待训练数据张量对待训练卷积神经网络模型进行迭代训练优化，获得所述像素点预测模型。

7.一种像素点信息预测装置，其特征在于，所述像素点信息预测装置包括：

获取模块，用于获取目标用户在预设观察周期内的像素点信息集合；

划分模块，用于对所述预设观察周期进行划分，获得各划分周期；

张量化处理模块，用于基于各所述划分周期，对所述像素点信息集合进行张量化处理，获得各所述划分周期对应的时空数据张量；

预测模块，用于将所述时空数据张量输入像素点预测模型，输出像素点预测结果，其中，所述像素点预测模型是根据由各待训练像素点信息构成的待训练数据张量进行迭代训练优化得到的。