[发明专利]信息预测方法、设备及计算机存储介质在审

专利信息
申请号: 202211021809.3 申请日: 2022-08-24
公开(公告)号: CN115409550A 公开(公告)日: 2022-11-29
发明(设计)人: 叶晓涵;韦袆;陆海洋;张丹萍 申请(专利权)人: 阿里巴巴(中国)有限公司
主分类号: G06Q30/02 分类号: G06Q30/02;G06N3/04
代理公司: 北京太合九思知识产权代理有限公司 11610 代理人: 孙明子;刘戈
地址: 310023 浙江省杭州市余杭*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 信息 预测 方法 设备 计算机 存储 介质
【权利要求书】:

1.一种信息预测方法,其特征在于,包括:

获取待预测产品的动态特征,所述动态特征包括:与历史时间点相对应的行为特征、以及与历史时间点和未来时间点相对应的活动特征;

确定所述活动特征中的与历史时间点相对应的历史序列特征、以及与未来时间点相对应的未来序列特征;

将所述历史序列特征确定为与自注意力机制相对应的键向量,将所述未来序列特征确定为自注意力机制相对应的查询向量,将所述行为特征确定为自注意力机制相对应的值向量;

基于所述查询向量、所述键向量和所述值向量进行信息预测,获得与所述待预测产品相对应的预测信息。

2.根据权利要求1所述的方法,其特征在于,确定所述活动特征中的与历史时间点相对应的历史序列特征、以及与未来时间点相对应的未来序列特征,包括:

基于所述活动特征确定融合有上下文的融合特征,所述融合特征的时间点与所述活动特征的时间点一一对应;

基于所述融合特征确定与历史时间点相对应的历史序列特征、以及与未来时间点相对应的未来序列特征。

3.根据权利要求2所述的方法,其特征在于,基于所述活动特征确定融合有上下文的融合特征,包括:

获取随机初始化的权重矩阵,所述权重矩阵中包括可学习的参数;

基于所述权重矩阵和所述活动特征,生成初始查询向量、初始键向量和初始值向量;

基于所述初始查询向量、初始键向量和初始值向量,确定所述融合特征。

4.根据权利要求3所述的方法,其特征在于,基于所述初始查询向量、初始键向量和初始值向量,确定所述融合特征,包括:

基于所述初始查询向量、初始键向量和所述初始值向量进行自注意力计算,获得所述融合特征。

5.根据权利要求1所述的方法,其特征在于,基于所述查询向量、所述键向量和所述值向量进行信息预测,获得与所述待预测产品相对应的预测信息,包括:

对所述查询向量、所述键向量和所述值向量进行自注意力计算,获得与所述待预测产品相对应的预测信息。

6.根据权利要求1所述的方法,其特征在于,

所述行为特征包括以下至少之一:产品购买行为、产品浏览行为、产品搜索行为;

所述活动特征包括以下至少之一:产品营销活动、产品推广活动、产品运营活动。

7.根据权利要求1所述的方法,其特征在于,基于所述查询向量、所述键向量和所述值向量进行信息预测,获得与所述待预测产品相对应的预测信息,包括:

获取待预测产品的静态特征,所述静态特征不会随着时间的变化而变化;

基于所述静态特征、所述查询向量、所述键向量和所述值向量进行信息预测,获得与所述待预测产品相对应的预测信息。

8.根据权利要求7所述的方法,其特征在于,基于所述静态特征、所述查询向量、所述键向量和所述值向量进行信息预测,获得与所述待预测产品相对应的预测信息,包括:

基于所述查询向量、所述键向量和所述值向量进行信息预测,获得与所述待预测产品相对应的第一预测信息;

基于所述静态特征进行信息预测操作,获得与所述待预测产品相对应的第二预测信息;

基于所述第一预测信息和所述第二预测信息,确定与所述待预测产品相对应的预测信息。

9.根据权利要求8所述的方法,其特征在于,基于所述第一预测信息和所述第二预测信息,确定与所述待预测产品相对应的预测信息,包括:

对所述第一预测信息和所述第二预测信息进行整合,获得与所述待预测产品相对应的预测信息。

10.一种电子设备,其特征在于,包括:存储器、处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时实现如权利要求1-9中任一项所述的信息预测方法。

11.一种计算机存储介质,其特征在于,用于储存计算机程序,所述计算机程序使计算机执行时实现如权利要求1-9中任一项所述的信息预测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴(中国)有限公司,未经阿里巴巴(中国)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211021809.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top