[发明专利]训练模型的方法及系统和预测序列数据的方法及系统有效
| 申请号： | 201910349922.6 | 申请日： | 2019-04-28 |
| 公开（公告）号： | CN110097193B | 公开（公告）日： | 2021-03-19 |
| 发明（设计）人： | 姚权铭;时鸿志 | 申请（专利权）人： | 第四范式（北京）技术有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00 |
| 代理公司： | 北京铭硕知识产权代理有限公司 11286 | 代理人： | 朱志玲;田方 |
| 地址： | 100085 北京市海淀区上*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 提供了一种训练模型的方法及系统和预测序列数据的方法及系统。训练模型的方法及系统可获取序列训练样本集合，并基于序列训练样本集合训练机器学习模型，其中，所述机器学习模型是包括两个隐状态层的隐马尔可夫模型，其中，第一隐状态层中包括多个对象中的每个对象的个性化隐状态，第二隐状态层中包括由所述多个对象共享的多个共享隐状态。预测序列数据的方法及系统可获取对象的序列预测样本，并利用所述机器学习模型，针对所述序列预测样本执行预测来提供关于所述多个序列数据之后的下一序列数据的预测结果，其中，所述机器学习模型被事先训练为针对按时间顺序排列的一系列序列数据来预测所述一系列序列数据之后的下一序列数据。 | ||
| 搜索关键词： | 训练 模型 方法 系统 预测 序列 数据 | ||
【主权项】：
1.一种训练用于预测序列数据的机器学习模型的方法，包括：获取序列训练样本集合，其中，所述序列训练样本集合包括针对多个对象中的每个对象的多条序列训练样本，并且每个序列训练样本包括按时间顺序排列的多个序列数据；基于所述序列训练样本集合，训练所述机器学习模型，其中，所述机器学习模型是包括两个隐状态层的隐马尔可夫模型，其中，第一隐状态层中包括所述多个对象中的每个对象的个性化隐状态，第二隐状态层中包括由所述多个对象共享的多个共享隐状态。
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第四范式（北京）技术有限公司，未经第四范式（北京）技术有限公司许可，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/patent/201910349922.6/，转载请声明来源钻瓜专利网。
