[发明专利]预测方法及其模型的训练方法、装置、设备及存储介质

权利要求书

1.一种预测方法，其特征在于，所述方法包括：

获取目标时间节点关于所述目标事件的特征数据；

获取所述目标时间节点与至少一个参考时间节点之间的特征相关度；

基于所述特征相关度、所述目标时间节点关于所述目标事件的特征数据和所述参考时间节点关于所述目标事件的特征数据，得到所述目标时间节点关于所述目标事件的预测结果。

2.根据权利要求1所述的方法，其特征在于，所述获取所述目标时间节点与至少一个参考时间节点之间的特征相关度，包括：

基于所述目标时间节点和每个参考时间节点之间的所述特征数据的相似度，确定所述目标时间节点与每个参考时间节点之间的特征相关度。

3.根据权利要求1或2所述的方法，其特征在于，所述基于所述特征相关度、所述目标时间节点关于所述目标事件的特征数据和所述参考时间节点关于所述目标事件的特征数据，得到所述目标时间节点关于所述目标事件的预测结果，包括：

利用所述特征相关度，得到每个参考时间节点的权重；

基于所述权重对所述目标时间节点的所述特征数据和所述参考时间节点的所述特征数据进行融合，得到融合特征数据；

基于所述融合特征数据，得到所述目标时间节点关于所述目标事件的预测结果。

4.根据权利要求3所述的方法，其特征在于，在所述获取所述目标时间节点与所述参考时间节点之间的特征相关度之后，所述方法还包括：

利用预测模型基于所述特征相关度构建所述目标时间节点与参考时间节点之间的邻接矩阵，其中，所述邻接矩阵中所述目标时间节点与所述参考时间节点之间的相邻关系是基于所述特征相关度确定的；

所述利用所述特征相关度，得到每个参考时间节点的权重，包括：

利用所述预测模型的图神经网络对所述邻接矩阵进行分析，得到每个参考时间节点的权重。

5.根据权利要求1至4任一项所述的方法，其特征在于，在所述基于所述特征相关度、所述目标时间节点关于所述目标事件的特征数据和所述参考时间节点关于所述目标事件的特征数据，得到所述目标时间节点关于所述目标事件的预测结果之后，所述方法还包括：

利用所述预测模型基于所述目标时间节点的特征数据对所述预测结果进行优化。

6.根据权利要求5所述的方法，其特征在于，所述基于所述目标时间节点的特征数据对所述预测结果进行优化是由所述预测模型的残差网络执行的；

和/或，在所述基于所述目标时间节点的特征数据对所述预测结果进行优化之前，所述方法还包括：

将所述目标时间节点的特征数据转换至第二预设维度，以用于后续对所述预测结果进行优化。

7.根据权利要求1至6任一项所述的方法，其特征在于，在所述获取所述目标时间节点与所述参考时间节点之间的特征相关度之前，所述方法包括：

利用预测模型分别将所述目标时间节点的所述特征数据和参考时间节点的所述特征数据转换至第一预设维度，其中，所述预设维度高于所述特征数据的原始维度。

8.根据权利要求1至7任一项所述的方法，其特征在于，所述获取目标时间节点关于所述目标事件的特征数据，包括：

对目标时间节点关于所述目标事件的原始数据进行预处理，得到所述目标时间节点关于所述目标事件的特征数据；其中，所述预处理包括以下至少一个：在所述原始数据为非数值型数据的情况下，将所述原始数据转换为数值型数据；将所述原始数据的值域转换为预设范围。

9.根据权利要求1至8任一项所述的方法，其特征在于，所述目标事件为发生预设疾病。