[发明专利]一种信息预测方法、信息预测装置及服务器集群

说明书

技术领域

本发明涉及信息预测领域，特别涉及一种信息预测方法及应用该方法的信息预测装置及服务器集群。

背景技术

现有技术中，很多时候用户都面临需要根据大量的历史数据而对一些未来数据或未来信息等做出预测、预估。目前，在做预测、预估时，采用的方法通常为人工预测，或采用传统的计算机学习方法进行预测，但是不论采用何种方法，都会耗费较长的时间，尤其是人工预测，不仅耗时长且需要投入大量精力，但是预估结果往往差强人意。而计算机学习方法也常会受到数据的多重共线性影响，而导致预估精度较低。

发明内容

本发明的实施例所要解决的问题是，提供一种利用卷积神经网络来预测未来信息的信息预测方法及应用该方法的信息预测装置、服务器集群。

为了解决上述问题，本发明的实施例提供一种信息预测方法，包括：

获取历史时间序列数据，其包括第一数据集和包括至少一类第二数据的第二数据集；

根据所述历史时间序列数据构造卷积神经网络；

向所述卷积神经网络中输入与所述第二数据集中的一类或多类第二数据具有相同属性的计划数据；

所述卷积神经网络根据所述计划数据输出与所述第一数据集中的第一数据具有相同属性的预测数据。

作为优选，所述第一数据集中的第一数据与所述第二数据集中的一类或多类第二数据按照时间顺序对应关联；

所述方法还包括：

按照时间顺序将相关联的所述第一数据和第二数据划分为一组；

所述根据所述历史时间序列数据构造卷积神经网络具体为：

构造卷积神经网络结构；

基于多组所述第一数据和第二数据形成所述卷积神经网络。

作为优选，还包括：

将多组所述第一数据和第二数据按照时间顺序分布；

所述基于多组所述第一数据和第二数据形成所述卷积神经网络，具体为：

根据按时间顺序分布的多组所述第一数据和第二数据确定所述卷积神经网络结构中各权值，以形成所述卷积神经网络。

作为优选，所述根据按照时间顺序性分布的多组所述第一数据和第二数据确定所述卷积神经网络结构中各权值具体为：

将按照时间顺序分布的多组所述第一数据和第二数据进行中心化处理，以统一所述第一数据和第二数据的量纲；

根据经过中心化处理后的多组所述第一数据和第二数据确定所述卷积神经网络结构中各权值。

作为优选，还包括：

确定多组所述第一数据和第二数据中具有相同关联特性的所述第一数据和第二数据的组别；

将所述组别间的第一数据和第二数据进行权值共享。

作为优选，所述第一数据包括激活量数据，所述第二数据包括价格、节假日、营销信息中的至少一个。

本发明实施例同时提供一种信息预测装置，包括：

获取装置,用于获取历史时间序列数据，所述历史时间序列数据包括第一数据集和包括至少一类第二数据的第二数据集；以及

训练装置,其用于根据所述历史时间序列数据构造卷积神经网络,所述卷积神经网络能够根据接收的与所述第二数据集中的一类或多类第二数据具有相同属性的计划数据而输出与所述第一数据具有相同属性的预测数据。

作为优选，所述第一数据集中的第一数据与所述第二数据集中的一类或多类第二数据按照时间顺序对应关联；

所述训练装置用于按照时间顺序将相关联的所述第一数据和第二数据均划分为一组，并根据多组所述第一数据和第二数据确定构造的卷积神经网络结构中的各权值，进而形成所述卷积神经网络。

作为优选，所述训练装置还用于：

确定多组所述第一数据和第二数据中具有相同关联特性的所述第一数据和第二数据的组别；

将所述组别中的第一数据和第二数据进行权值共享。

本发明实施例还提供一种服务器集群，包括：

至少一个处理器；

至少一个存储器，其中所述存储器中存储有可执行指令，其中，在所述可执行指令被所述处理器执行，使得所述处理器进行如下操作：

获取历史时间序列数据，其包括第一数据集和包括至少一类第二数据的第二数据集；

根据所述历史时间序列数据构造卷积神经网络；

向所述卷积神经网络中输入与所述第二数据集中的一类或多类第二数据具有相同属性的计划数据；

所述卷积神经网络根据所述计划数据输出与所述第一数据集中的第一数据具有相同属性的预测数据。