[发明专利]模型选择的方法及装置

权利要求书

1.一种模型选择方法，用于从多个备选预测模型中选择用于对业务主体的预定业务指标进行时序预测的模型，所述方法包括：

根据所述预定业务指标的历史值的长期时间序列，提取所述预定业务指标的全局时序特征，所述全局时序特征用于表征所述预定业务指标的长期业务规律；

通过第一评价模型处理所述全局时序特征，得到所述多个备选预测模型的第一评价结果，所述第一评价结果用于表征各个备选预测模型基于所述全局时序特征进行预测的准确度；

根据所述预定业务指标的历史值的局部时间序列，提取所述预定业务指标的局部时序特征，所述局部时间序列为距离当前时间最近的预定长度的时间序列，所述局部时序特征用于表征所述预定业务指标的短期业务规律；

通过第二评价模型处理所述局部时序特征，得到所述多个备选预测模型的第二评价结果，所述第二评价结果用于表征各个备选预测模型基于所述局部时序特征进行预测的准确度；

对所述第一评价结果与所述第二评价结果进行融合，并基于融合结果从所述多个备选预测模型中选择用于对所述预定业务指标进行预测的模型。

2.根据权利要求1所述的方法，其中，所述全局时序特征包括周期特征、季节特征、趋势特征、自回归特征中的至少一项。

3.根据权利要求1所述的方法，其中，所述局部时序特征包括通过对所述局部时间序列进行编码得到的隐向量描述。

4.根据权利要求1所述的方法，其中，所述第一评价结果/第二评价结果为以下中的一项：

对各个备选预测模型的打分结果；

对各个备选预测模型的排序结果；

从所述多个备选预测模型选择若干个预测模型的选择结果。

5.根据权利要求4所述的方法，其中，在所述第一评价结果/第二评价结果为对各个备选预测模型的打分结果的情况下，所述对所述第一评价结果与所述第二评价结果进行融合包括：

基于所述第一评价结果与所述第二评价结果，对各个备选预测模型各自的两个打分结果进行平均、加权、取中位数、取最小值中的至少一项操作，得到相应的融合结果。

6.根据权利要求1所述的方法，其中，所述第一评价模型的单条训练样本包括单个业务主体的历史全局时序特征，以及各个备选预测模型基于所述历史全局时序特征进行预测的各个历史预测准确度；

其中，所述第一评价模型是通过将训练样本中的历史全局时序特征作为输入数据，将基于各个历史预测准确度确定的评价结果作为样本标签，以监督学习的方式训练得到的。

7.根据权利要求1所述的方法，其中，所述第二评价模型的单条训练样本包括单个业务主体的历史局部时序特征，以及各个备选预测模型基于所述历史局部时序特征进行预测的各个历史预测准确度；

其中，所述第二评价模型是通过将训练样本中的历史局部时序特征作为输入数据，将基于各个历史预测准确度确定的评价结果作为样本标签，以监督学习的方式训练得到的。

8.根据权利要求6或7所述的方法，其中，单个备选预测模型的历史预测准确度通过以下方式确定：

使该单个备选预测模型进行多次预测，并计算该多次预测各自的准确度；以及

对该多次预测各自的准确度进行求均值、取最小值、取中位数中的一项处理，并将处理得到的准确度确定为该单个备选预测模型的历史预测准确度。

9.根据权利要求8所述的方法，其中，所述多次预测中单次预测的准确度通过以下方式确定：

获取所述单个备选预测模型的单次预测的单个预测时间序列以及与该单个预测时间序列对应的真实时间序列；

基于对所述单个预测时间序列与所述真实时间序列的一致性检测，确定该单次预测的准确度。

10.根据权利要求9所述的方法，其中，所述单个预测时间序列与所述真实时间序列的一致性通过向量相似度、方差、杰卡德系数中的一项确定。