[发明专利]像素点信息预测方法、装置、设备及存储介质

说明书

本申请公开了一种像素点信息预测方法、装置、设备及存储介质，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。本申请解决了模型预测的准确度低的技术问题。

技术领域

本申请涉及金融科技(Fintech)的机器学习技术领域，尤其涉及一种像素点信息预测方法、装置、设备及存储介质。

背景技术

随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如对金融业对应待办事项的分发也有更高的要求。

随着计算机技术的发展，联邦学习的应用越来越广泛。当前，在风险模型应用的情形中，现有的基于时空数据的风险模型往往是构造一些与用户时空数据相关的变量进行模型训练，进而基于这些时空数据相关的变量，利用通常的机器学习算法进行训练得到风险模型，从而完成对用户的风险识别。然而，这些构造的变量往往只能衡量用户部分时空数据相关的信息，而构造的变量存在覆盖度不全的情况，进一步地，直接通过时空数据构造变量，会缺失相邻时空数据之间的关联信息，使得模型预测计算存在偏差，进而导致模型预测的准确度较低。

发明内容

本申请的主要目的在于提供一种像素点信息预测方法、装置、设备及存储介质，旨在解决现有技术中的模型预测的准确度低的技术问题。

为实现上述目的，本申请提供一种像素点信息预测方法，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。

本申请还提供一种像素点信息预测装置，所述像素点信息预测装置为虚拟装置，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。

本申请还提供一种像素点信息预测设备，所述像素点信息预测设备为实体设备，所述像素点信息预测设备包括：存储器、处理器以及存储在所述存储器上的像素点信息预测程序，所述像素点信息预测程序被所述处理器执行时可实现如上述的像素点信息预测方法的步骤。

本申请还提供一种存储介质，所述存储介质为计算机可读存储介质，所述计算机可读存储介质上存储有像素点信息预测程序，所述像素点信息预测程序被处理器执行时实现如上述的像素点信息预测方法的步骤。

本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的像素点信息预测方法的步骤。