[发明专利]基于推理模型的流量预测方法及装置

摘要

本发明实施例提供了一种基于推理模型的流量预测方法及装置，该方法中对于网络节点数据中的不同数据源采用不同的推理模型进行目标特征提取，接着将提取之后的目标特征组合成一个个关系对，接着将所有关系对进行加权计算，再进行训练分类得到对网络流量的推理预测结果。本发明实施例提供的方法能够从网络生成的海量的异构数据中学习不同数据之间的内在逻辑性，相比于现有的预测方法，采用推理模型进行目标特征提取能够有效提高待训练数据的精度。且训练时由于基于推理模型考虑到了数据之间的推理关系，因此能够有效提高预测结果的准确性。同时，这种方法训练深度神经网络学习数据项间的逻辑推理关系，输出的推理模型可用于同时训练多个任务目标。

主权项

1.一种基于推理模型的流量预测方法，其特征在于，包括：对于输入的网络节点数据中的每一种数据源，基于对应的推理模型分别进行目标特征提取，得到各种数据源对应的目标特征；将不同种类数据源对应的目标特征进行组合得到包含若干个关系对的关系对集合，所述关系对集合中包含各个数据源的目标特征的所有组合；将所述关系对集合中的所有关系对按预设的权重进行加权计算；将加权计算后的结果输入到深度神经网络中进行训练，再输入到预设的分类器中进行分类得到对网络流量的推理预测结果。