[发明专利]一种基于无监督和联邦学习的需求预测方法及系统

权利要求书

1.一种基于无监督和联邦学习的需求预测方法，其特征在于，包括：

获取历史需求数据，筛选需求数据类型；

对所获取的历史需求数据进行编码，得到历史需求编码数据；

基于所得到的历史需求编码数据和所筛选的需求数据类型，进行需求的预测；

其中，在进行需求预测的过程中，采用横向联邦和纵向联邦相结合的方式进行无监督推荐，实现需求的预测。

2.如权利要求1中所述的一种基于无监督和联邦学习的需求预测方法，其特征在于，通过所述横向联邦和所述纵向联邦分别对相同需求数据类型和不同需求数据类型进行初步的特征提取，利用编码层进行所提取的特征的编码，得到特征向量，将所得到的不同的特征向量进行排列组合，得到横向数据和纵向数据的编码。

3.如权利要求1中所述的一种基于无监督和联邦学习的需求预测方法，其特征在于，基于所提取的特征以及所得到的横向数据和纵向数据的编码，经编码层和自注意力机制深度提取数据特征，经输出层实现需求的预测。

4.如权利要求1中所述的一种基于无监督和联邦学习的需求预测方法，其特征在于，所述横向联邦是对数据矩阵或者表格横向划分，不同行的数据具有相同对齐的数据特征；所述纵向联邦是对数据矩阵或表格纵向划分，不同列的数据有相同对齐的训练样本。

5.如权利要求1中所述的一种基于无监督和联邦学习的需求预测方法，其特征在于，对所获取的历史需求数据进行编码的过程中，基于嵌入层和隐藏层提取特征，分别使用输出层和隐藏层获取需求数据类别和历史需求数据的特征编码，得到编码后的历史需求数据。

6.如权利要求5中所述的一种基于无监督和联邦学习的需求预测方法，其特征在于，计算所获取的编码后的历史需求数据与所筛选出来的不同类型的需求数据之间的相似度，对相似度超过设定阈值的所筛选出来的不同类型的需求数据进行训练，实现需求的预测。

7.如权利要求1中所述的一种基于无监督和联邦学习的需求预测方法，其特征在于，通过相同类型的需求历史数据来进行需求的预测，利用不同类型的需求历史数据进行需求预测的训练集的调整，动态调整需求预测。

8.一种基于无监督和联邦学习的需求预测系统，其特征在于，包括：

获取模块，其被配置为获取历史需求数据，筛选需求数据类型；

编码模块，其被配置为对所获取的历史需求数据进行编码，得到历史需求编码数据；

预测模块，其被配置为基于所得到的历史需求编码数据和所筛选的需求数据类型，进行需求的预测；

其中，在进行需求预测的过程中，采用横向联邦和纵向联邦相结合的方式进行无监督推荐，实现需求的预测。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于无监督和联邦学习的需求预测方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于无监督和联邦学习的需求预测方法中的步骤。