[发明专利]一种页面访问结果预测方法、装置及介质

说明书

本发明涉及趋势预测领域，提供一种页面访问结果预测方法、装置及介质，该方法包括：获取第一时间序列中每个历史时刻对应的页面访问结果；将第一时间序列中每个历史时刻对应的页面访问结果输入第一时间序列模型得到第二时间序列中每个未来时刻对应的第一页面访问预测结果，将第一时间序列中每个历史时刻对应的页面访问结果输入第二时间序列模型得到第二时间序列中每个未来时刻对应的第二页面访问预测结果；根据第二时间序列中每个未来时刻对应的第一页面访问预测结果和第二页面访问预测结果确定第二时间序列中每个未来时刻对应的最终页面访问预测结果。通过该方法，用于实现提升预测页面访问结果的准确性。

技术领域

本发明涉及趋势预测领域，尤其涉及一种页面访问结果预测方法、装置及介质。

背景技术

在银行、商场、爱心救助组织等机构的运营过程中，相关从业人员会通过各种的活动来获取新客户或提高老客户的用户粘性。其中，活动的客户流量是评价其开展有效性的一个重要指标，因此运用大数据技术对客户流量进行预测，从而指导活动的开展是必不可少的。

活动的客户流量可以体现在相关活动的页面访问结果上，目前通常采用的对页面访问结果进行预测的算法包括自回归积分滑动平均模型(Autoregressive IntegratedMoving Average Model，ARIMA)、深度神经网络(Deep Neural Networks，DNN)等。这些预测算法存在各种不足之处，例如ARIMA模型在使用中要求时间序列数据具备稳定性，对数据质量要求较高；DNN模型虽然可以较好地进行预测，但是模型的灵活度不够，不仅需要大量的数据进行训练避免预测过程中产生过拟合，而且需要使用者具备较强的专业知识来进行假设和应用。

发明内容

本发明提供一种页面访问结果预测方法、装置及介质，用于实现提升预测页面访问结果的准确性。

第一方面，本发明实施例提供一种页面访问结果预测方法，包括：

获取第一时间序列中每个历史时刻对应的页面访问结果；其中，所述第一时间序列包括多个历史时刻，所述页面访问结果包括页面访问次数和/或页面访问人数；

将所述第一时间序列中每个历史时刻对应的页面访问结果输入第一时间序列模型得到第二时间序列中每个未来时刻对应的第一页面访问预测结果，将所述第一时间序列中每个历史时刻对应的页面访问结果输入第二时间序列模型得到第二时间序列中每个未来时刻对应的第二页面访问预测结果，所述第二时间序列包括多个未来时刻；

根据所述第二时间序列中每个未来时刻对应的第一页面访问预测结果和第二页面访问预测结果确定所述第二时间序列中每个未来时刻对应的最终页面访问预测结果。

上述技术方案中，通过第一时间序列模型得到第一页面访问预测结果，第二时间序列模型得到第二页面访问预测结果，并将二者结合起来得到最终页面访问预测结果，实现了页面访问结果的预测，且第一时间序列模型与第二时间序列模型的结合使得页面访问结果的预测精度更高。

可选地，获取所述第一时间序列中每个历史时刻对应的页面访问结果，包括：

获取多个历史记录，每个历史记录包括记录创建时间和页面编号；

根据所述多个历史记录中每个历史记录包括的记录创建时间，针对每个页面编号统计第一历史时刻与第二历史时刻之间包括该页面编号的历史记录的数量，作为所述第二历史时刻对应的页面访问结果，所述第二历史时刻对应的页面访问结果包括每个页面编号对应页面的页面访问次数；

其中，所述第一历史时刻与所述第二历史时刻为所述第一时间序列中任意两个相邻的历史时刻，所述第二历史时刻晚于所述第一历史时刻。

可选地，获取所述第一时间序列中每个历史时刻对应的页面访问结果，包括：

获取多个历史记录，每个历史记录包括客户编号、记录创建时间、页面编号；