[发明专利]模型集成预测方法、系统、电子设备及存储介质

权利要求书

1.一种模型集成预测方法，其特征在于，包括：

训练数据保存步骤，将训练阶段所有待集成模型的正确预测数据保存为一数据库；

注意力集合计算步骤，获取一预测阶段的预测数据，根据所述预测数据与所述数据库中数据的余弦相似度，基于注意力机制计算得到一注意力分数集合；

模型集成预测步骤，通过所述待集成模型对所述预测数据进行预测，根据预测结果和所述注意力分数集合进行集成模型预测。

2.根据权利要求1所述的模型集成预测方法，其特征在于，所述注意力集合计算步骤进一步包括：

分别计算所述预测数据与所述数据库中每个所述待集成模型的每个数据的余弦相似度，进一步计算每个所述待集成模型的平均相似度，并进一步将每个所述待集成模型的平均相似度归一化得到所述注意力分数集合。

3.根据权利要求2所述的模型集成预测方法，其特征在于，所述注意力集合计算步骤进一步包括：

在所述预测数据与每个所述待集成模型的数据的余弦相似度中，从大到小依次选取K个所述余弦相似度数值，计算每个所述待集成模型的平均相似度。

4.根据权利要求3所述的模型集成预测方法，其特征在于，所述模型集成预测步骤进一步包括：

通过所述待集成模型对所述预测数据进行预测，得到每个所述待集成模型的预测结果并形成预测集合，将所述预测集合和所述注意力分数集合做乘积得到结果向量，并根据所述结果向量进行集成模型预测。

5.一种模型集成预测系统，其特征在于，包括：

训练数据保存模块，将训练阶段所有待集成模型的正确预测数据保存为一数据库；

注意力集合计算模块，获取一预测阶段的预测数据，根据所述预测数据与所述数据库中数据的余弦相似度，基于注意力机制计算得到一注意力分数集合；

模型集成预测模块，通过所述待集成模型对所述预测数据进行预测，根据预测结果和所述注意力分数集合进行集成模型预测。

6.根据权利要求5所述的模型集成预测系统，其特征在于，所述注意力集合计算模块进一步包括：

分别计算所述预测数据与所述数据库中每个所述待集成模型的每个数据的余弦相似度，进一步计算每个所述待集成模型的平均相似度，并进一步将每个所述待集成模型的平均相似度归一化得到所述注意力分数集合。

7.根据权利要求6所述的模型集成预测系统，其特征在于，所述注意力集合计算模块进一步包括：

在所述预测数据与每个所述待集成模型的数据的余弦相似度中，从大到小依次选取K个所述余弦相似度数值，计算每个所述待集成模型的平均相似度。

8.根据权利要求7所述的模型集成预测系统，其特征在于，所述模型集成预测模块进一步包括：

通过所述待集成模型对所述预测数据进行预测，得到每个所述待集成模型的预测结果并形成预测集合，将所述预测集合和所述注意力分数集合做乘积得到结果向量，并根据所述结果向量进行集成模型预测。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的模型集成预测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述的模型集成预测方法。