[发明专利]预测时序指标的方法和装置

说明书

本说明书实施例提供一种预测时序指标的方法的装置。根据该方法，首先基于n个业务对象各自在目标时段t的业务特征，获得对应的n个第一表征；其中，n个业务对象基于其范围归属关系而形成树结构中的节点。接着，对于n个第一表征进行卷积操作，得到n个第二表征；其中，n个业务对象中任意的目标业务对象对应的第二表征，通过对目标卷积窗口中的第一表征进行卷积运算而得到，所述目标卷积窗口包括，树结构中从根节点到目标业务对象的路径所覆盖的若干业务对象。基于此，可以根据n个第二表征，确定n个业务对象的n个对象表征；并根据n个对象表征，预测n个业务对象各自在目标时段t的业务指标值。

技术领域

本说明书一个或多个实施例涉及机器学习领域，尤其涉及利用机器学习的方式，预测时序指标的方法和装置。

背景技术

随着计算机技术的发展，机器学习已经应用到各种各样的技术领域，用于分析、预测各种业务数据。在许多技术场景中，服务平台需要预测一些业务对象的随时间变化的业务指标，从而更好地进行业务部署。例如，服务平台需要预测其服务器的流量指标，从而更好地进行服务器的扩缩容安排；电子服务平台需要预测一些业务板块的访问量或点击量指标，从而更好地设置业务板块，以期更好地符合用户使用要求，等等。这样的随时间变化的技术指标/业务指标，又可称为时序指标；时序指标随时间变化的一系列指标值，形成指标序列。

在一些场景中，需要同时预测多个业务对象各自的指标序列，而这多个业务对象之间可能存在一定的关联关系。在这样的场景下，分别独立地针对各个业务对象进行指标序列的预测，难以达到较佳的预测效果。

由此，希望能有改进的方案，可以更为有效地针对有关联关系的多个业务对象，同时预测其时序业务指标，从而便于服务平台更好地进行业务部署。

发明内容

本说明书一个或多个实施例描述了一种预测时序指标的方案，可以更为有效地针对有关联关系的多个业务对象，同时预测其时序业务指标，从而便于服务平台更好地进行业务部署。

根据第一方面，提供了一种预测时序指标的方法，包括：

基于n个业务对象各自在目标时段t的业务特征，获得对应的n个第一表征；所述n个业务对象基于其范围归属关系而形成树结构中的节点；

对于所述n个第一表征进行卷积操作，得到n个第二表征；其中，n个业务对象中任意的目标业务对象对应的第二表征，通过对目标卷积窗口中的第一表征进行卷积运算而得到，所述目标卷积窗口包括，所述树结构中从根节点到所述目标业务对象的路径所覆盖的若干业务对象；

根据所述n个第二表征，确定所述n个业务对象的n个对象表征；

根据所述n个对象表征，预测所述n个业务对象各自在目标时段t的业务指标值。

在一个实施例中，上述范围归属关系包括，地理范围归属关系，或业务范围归属关系。

根据一种实施方式，获得n个第一表征的过程可以包括：将所述目标业务对象在目标时段t的目标业务特征输入基于时序的第一神经网络，所述第一神经网络根据所述目标业务特征，以及对应于上一时段t-1的隐状态，确定针对目标时段t的隐状态，作为所述目标业务对象的第一表征。

在以上实施方式的具体实施例中，第一神经网络可以选自，循环神经网络RNN，长短期记忆网络LSTM，门控循环单元网络GRU。

在以上实施方式的具体实施例中，目标业务特征包括以下中的若干项：目标时段t的时段特征，所述目标业务对象在所述目标时段t的状态特征，所述目标业务对象在所述上一时刻t-1的已知的业务指标值。

在一个实施例中，所述n个业务对象包括第一业务对象和第二业务对象，所述第一业务对象和第二业务对象位于所述树结构的同一层级；所述第一业务对象和第二业务对象各自的第二表征，通过采用相同的卷积核对各自的目标卷积窗口进行卷积运算而得到。