[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

说明书

本申请公开了一种预测方法及其模型的训练方法、装置、设备及存储介质，其中，预测方法包括：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。上述方案，能够准确地对目标事件进行预测。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种预测方法及其模型的训练方法、装置、设备及存储介质。

背景技术

近年来，随着神经网络、深度学习等人工智能技术的发展，人工智能技术相较于传统人工具有高效、稳定等优异性能，开始广泛应用于诸如医疗、安防、家电、物流等行业。

在社会生活中，往往存在着各种目标事件需要对其进行预测。以流行病为例，流行病预测是一项重要的课题，例如在北半球温带地区，每年冬天爆发的流感都会给人类社会带来了沉重的健康负担和经济负担，由于流感病毒的变异，造成每年的疫苗都会产生变化，从而导致了疫苗生产厂商必须在很短的时间内生产出足够的疫苗，来应对每年的流感爆发。此外，由于流感治疗的特殊性、流感病床的动态分配也是一个艰难的课题。有鉴于此，如何准确地对目标事件进行预测成为亟待解决的问题。

发明内容

本申请提供一种预测方法及其模型的训练方法、装置、设备及存储介质。

本申请第一方面提供了一种预测方法，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。

因此，通过获取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，可以基于特征相关度、目标时间节点关于目标事件的特征数据和参考时间节点关于目标事件的特征数据，得到与目标时间节点相似的参考时间节点，从而可以参考历史上相似的参考时间节点的流行病人数变化，来得到目标时间节点关于目标事件的预测结果，从而提高了对目标事件的预测的准确度和可解释性。

其中，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。

因此，通过获取目标时间节点和每个参考时间节点之间的特征数据的相似度，可以确定目标时间节点与每个参考时间节点之间的特征相关度，于是可以得到与目标时间节点相似的参考时间节点，从而可以参考历史上相似的参考时间节点的流行病人数变化，来得到目标时间节点关于目标事件的预测结果。

其中，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。

因此，通过目标时间节点与参考时间节点之间的特征相关度，可以得到每个参考时间节点的权重，基于权重可以对目标时间节点的特征数据和参考时间节点的特征数据进行融合，得到融合特征数据，进而可以得到目标时间节点关于目标事件的预测结果，使得在预测目标时间节点关于目标事件的结果时，参考了历史上相似的时间节点，从而得到更准确的预测结果。