[发明专利]信息预测方法、设备及计算机存储介质

说明书

本申请实施例提供了一种信息预测方法、设备及计算机存储介质。其中，信息预测方法包括：获取待预测产品的动态特征，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；将历史序列特征确定为与自注意力机制相对应的键向量，将未来序列特征确定为与自注意力机制相对应的查询向量，将行为特征确定为与自注意力机制相对应的值向量；基于查询向量、键向量和值向量进行信息预测，获得与待预测产品相对应的预测信息。本申请所提供的技术方案，通过自然对齐的特征获得预测信息，有效地提升了信息预测的准确率。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种信息预测方法、设备及计算机存储介质。

背景技术

随着人工智能技术的飞速发展，很多基于时序神经网络(用于对时序数据进行处理的神经网络)被应用于销量预测领域，以改善人工预测繁琐且准确率不高的现状。

然而，电商产品往往具有历史动态特征和未来动态特征不一致的问题，比如：一些与用户购买、浏览等行为有关的特征(行为特征)仅仅具有历史的时序，而一些活动营销等有关特征(活动特征)同时拥有历史时序和未来时序，容易导致未来时序的特征与历史时序的特征无法对齐，这样在基于历史动态特征和未来动态特征进行信息预测时，会降低预测信息的准确性。

发明内容

本申请实施例提供一种信息预测方法、设备及计算机存储介质，能够准确地对产品的相关信息进行预测操作。

第一方面，本申请实施例提供了一种信息预测方法，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。

第二方面，本申请实施例提供了一种信息预测装置，包括：

第一获取模块，用于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；

第一确定模块，用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；

所述第一确定模块，用于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；

第一处理模块，用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。

第三方面，本申请实施例提供了一种电子设备，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上述第一方面所示的信息预测方法。

第四方面，本发明实施例提供了一种计算机存储介质，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上述第一方面所示的信息预测方法。

第五方面，本发明实施例提供了一种计算机程序产品，包括：计算机程序，当所述计算机程序被电子设备的处理器执行时，使所述处理器执行上述第一方面所示的信息预测方法。