[发明专利]一种变更时间的预测方法及装置、电子设备、存储介质

说明书

本申请公开了一种变更时间的预测方法及装置、电子设备、存储介质，所述方法包括：获取目标系统中的当前待变更数据；对各个目标特征进行特征规范化处理，得到当前待变更数据的特征向量；分别将各个变更对的特征向量输入预先训练好的预测模型中，得到各个变更对的相似度；其中，一个变更对的特征向量至少包括当前待变更数据的特征向量以及一个历史已变更数据的特征向量；将预测得到的各个变更对的相似度中的最大相似度对应的变更时间确定为目标系统的变更时间；向前端反馈目标系统的变更时间。从而不再依靠于人工来确定系统的变更时间，而是通过自动化的方式来预测系统的变更时间，进而提高了预测变更时间的准确度。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种变更时间的预测方法及装置、电子设备、存储介质。

背景技术

随着客户服务水平的不断提升，应用系统不断的复杂化，系统的变更数量也日益增长，对于变更质量提出了更高的要求，其中，变更时间更是实施变更的一个重要因素，因此如何对变更时间进行合理的把控显得尤为重要。

在现有的技术中，主要凭借工作人员的工作经验来确定变更实施的变更时间，以实现对变更时间的合理把控。

但是，由于变更时间是以依靠于工作人员的经验来确定，并且不同的工作人员的工作经验也存现差异，变更时间也会有所不同，从而就会导致变更实施不够的准确问题。

发明内容

基于上述现有技术的不足，本申请提供了一种变更时间的预测方法及装置、电子设备、存储介质，以解决现有技术把控变更时间不够准确的问题。

为了实现上述目的，本申请提供了以下技术方案：

本申请第一方面提供了一种变更时间的预测方法，包括：

获取目标系统中的当前待变更数据；其中，所述当前待变更数据至少包括各个目标特征；各个所述目标特征预先基于各个初始特征的关联性确定；

对各个所述目标特征进行特征规范化处理，得到所述当前待变更数据的特征向量；

分别将各个变更对的特征向量输入预先训练好的预测模型中，得到各个所述变更对的相似度；其中，所述预测模型预先利用历史时间段内的所述目标系统中的的样本变更数据进行训练得到；一个所述变更对的特征向量至少包括所述当前待变更数据的特征向量以及一个历史已变更数据的特征向量；

将预测得到的各个所述变更对的相似度中的最大相似度对应的变更时间确定为所述目标系统的变更时间；

向前端反馈所述目标系统的变更时间。

可选地，在上述的变更时间的预测方法中，所述预测模型的训练方法，包括：

获取所述历史时间段内的所述目标系统中的样本变更数据；其中，所述样本变更数据至少包括各个样本目标特征；

对各个所述样本目标特征进行特征规范化处理，得到所述样本变更数据的特征向量；

分别将各个样本变更对的特征向量输入预先训练好的所述预测模型中，通过所述预测模型得到各个所述样本变更对的相似度；其中，一个所述样本变更对的特征向量至少包括两个所述样本变更数据的特征向量；

判断各个所述样本变更对的相似度是否满足预设要求；

若判断出各个所述样本变更对的相似度满足所述预设要求，则将所述预测模型确定为训练好的所述预测模型；

若判断出各个所述样本变更对的相似度未满足预设要求，则调整所述预测模型的参数，并返回执行所述分别将各个样本变更对的特征向量输入预先训练好的所述预测模型中，通过所述预测模型得到各个所述样本变更对的相似度。

可选地，在上述的变更时间的预测方法中，所述获取所述历史时间段内的所述目标系统中的样本变更数据，包括：