[发明专利]资源预测模型的训练方法和装置、资源预测方法和装置

说明书

本公开关于一种资源预测模型的训练方法和装置、资源预测方法和装置，资源预测模型的训练方法包括：获取目标对象在预设历史周期内的历史虚拟资源值和目标对象在预测时间点的真实虚拟资源值，预测时间点是预设历史周期的终点经过预设时长后的时间点；将历史虚拟资源值输入资源预测模型，得到在预测时间点的预测虚拟资源值，其中，资源预测模型为一次指数平滑模型；根据预测虚拟资源值和真实虚拟资源值确定资源预测模型的损失函数的值；根据损失函数的值调整资源预测模型的平滑系数，得到训练后的资源预测模型，可利用训练所得的模型较为准确地预测目标对象可能获得的虚拟资源值。

技术领域

本公开涉及计算机技术领域，尤其涉及一种资源预测模型的训练方法和装置、资源预测方法和装置。

背景技术

随着互联网技术的发展，越来越多的用户通过互联网中的互动平台(如直播平台)与其他用户进行交流和互动。并且，用户通过交流和互动可以获得虚拟资源值。

为了便于运营人员对互动平台中的用户进行管理和维护，需要对用户可能获得的虚拟资源值进行预测。相关技术中，通常采用用户在过去一段时间内获得的虚拟资源值的均值或中位数，作为用户的预测虚拟资源值。然而，对于周期较长的场景，容易纳入过多历史数据，以致于得到的结果不能够正确反映用户现阶段的虚拟资源值水平，造成虚拟资源值的预测准确度较低。

发明内容

本公开提供一种资源预测模型的训练方法和装置、资源预测方法和装置，以至少解决相关技术中的虚拟资源值的预测准确度较低的问题，也可不解决任何上述问题。

根据本公开的第一方面，提供了一种资源预测模型的训练方法，包括：获取目标对象在预设历史周期内的历史虚拟资源值和所述目标对象在预测时间点的真实虚拟资源值，所述预测时间点是所述预设历史周期的终点经过预设时长后的时间点；将所述历史虚拟资源值输入所述资源预测模型，得到在所述预测时间点的预测虚拟资源值，其中，所述资源预测模型为一次指数平滑模型；根据所述预测虚拟资源值和所述真实虚拟资源值确定所述资源预测模型的损失函数的值；根据所述损失函数的值调整所述资源预测模型的平滑系数，得到训练后的所述资源预测模型。

可选地，所述预设历史周期包括多个连续的第一子周期，每个所述第一子周期包括多个连续的第二子周期，其中，获取目标对象在预设历史周期内的历史虚拟资源值的步骤，包括：获取所述目标对象在所述预设历史周期内的每个所述第二子周期的单期虚拟资源值；针对每个所述第一子周期，确定所述第一子周期对应的至少部分所述单期虚拟资源值的平均值，得到每个所述第一子周期的子周期虚拟资源值，所述预设历史周期内的全部所述第一子周期的所述子周期虚拟资源值构成所述历史虚拟资源值。

可选地，确定所述第一子周期对应的至少部分所述单期虚拟资源值的平均值的步骤，包括：确定所述第一子周期对应的全部所述单期虚拟资源值去除最大值后的平均值。

可选地，确定所述第一子周期对应的至少部分所述单期虚拟资源值的平均值的步骤，包括：响应于所述第一子周期对应的全部所述单期虚拟资源值的数量大于或等于预设数量，确定所述第一子周期对应的全部所述单期虚拟资源值去除最大值后的平均值；响应于所述第一子周期对应的全部所述单期虚拟资源值的数量小于预设数量，确定所述第一子周期对应的全部所述单期虚拟资源值的平均值。

可选地，所述预设时长是一个所述第一子周期的时长。

可选地，所述预设历史周期的时长大于或等于参考时长，所述参考时长通过以下步骤确定：选取任意时间点作为第一时间点，将在所述第一时间点时处于预设生命周期的全部对象标记为参考对象；监测所述参考对象在所述第一时间点之后的生命周期变化，针对每种生命周期，确定处于所述生命周期的参考对象在全部参考对象中占比的变化率；确定全部所述变化率的绝对值均小于预设变化率的时间点，作为第二时间点；确定所述第一时间点到所述第二时间点经历的时长，作为所述参考时长。