[发明专利]资源数值预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种资源数值预测方法、装置、计算机设备和存储介质。通过基于已知的多个聚类确定出当前用户的用户类型后，从多个预测模型中确定与用户类型对应的目标预测模型，其中预测模型与聚类一一对应，将当前用户的用户画像信息和历史资源数值序列输入该目标预测模型，获取目标预测模型输出的当前用户在未来预设时间段内至少一个时间点的预测资源数值。相较于传统的仅基于海量历史数据对用户的未来资源数值进行预测，本方案通过已知的聚类确定用户类型，并选取与用户类型对应的预测模型，使用对应用户类型的预测模型预测用户的未来资源数值，提高了资源数值预测的准确度。

技术领域

本申请涉及大数据技术领域，特别是涉及一种资源数值预测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

用户想要获取产品时，需要付出一定的资源，用户将这些资源存储在固定的机构中，每个用户具有对应的资源存储账户。机构需要通过对用户的资源存储账户中资源数值变化规律进行预测，进而确定用户对于资源的需求。目前对于资源数值的预测方式通常是通过海量历史数据进行训练后得到客户的资源数值变化规律。然而，通过海量历史数据进行训练的方式，在构造特征时容易遗漏特征，从而导致相同或类似的客户，其资源数值变化规律不一致的情况，导致预测的准确度降低。

因此，目前的资源数值预测规律存在预测准确度低的缺陷。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高预测准确度的资源数值预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种资源数值预测方法，所述方法包括：

获取待预测用户的历史资源数值序列以及获取所述待预测用户的用户画像信息；所述历史资源数值序列中包括所述待预测用户在多个历史时间点的历史资源数值；

根据所述历史资源数值序列与多个聚类的距离，确定待预测用户的目标用户类型；所述多个聚类基于多种用户类型的样本用户的历史资源数值序列样本的聚类得到；

从预先训练的多个预测模型中获取与所述目标用户类型对应的目标预测模型；所述目标预测模型基于所述目标用户类型的样本用户对应的历史资源数值序列样本和用户画像信息样本训练得到，且所述多个预测模型与所述多个聚类一一对应；

将所述用户画像信息和所述历史资源数值序列输入所述目标预测模型，获取所述目标预测模型输出的所述待预测用户在未来预设时间段内至少一个时间点的预测资源数值。

在其中一个实施例中，所述根据所述历史资源数值序列与多个聚类的距离，确定待预测用户的目标用户类型，包括：

根据动态时间规整，确定所述历史资源数值序列与多个聚类的聚类中心的距离；

将与所述历史资源数值序列距离最近的聚类中心对应的用户类型，作为目标用户类型。

在其中一个实施例中，所述方法还包括：

根据已知用户类型的样本用户在多个滑动时间窗内的历史资源数值，获取所述已知用户类型的样本用户的多个资源数值序列样本；

基于多种用户类型的样本用户对应的多个资源数值序列样本进行聚类，得到多个资源数值序列样本集；每个资源数值序列样本集表征一种用户类型的样本用户的资源数值序列的特征；

加入对应的用户画像信息样本至各个资源数值序列样本集中，得到对应的聚类。

在其中一个实施例中，所述根据已知用户类型的样本用户在多个滑动时间窗内的历史资源数值，获取所述已知用户类型的样本用户的多个资源数值序列样本，包括：

获取已知用户类型的样本用户在多个历史时间点的多个历史资源数值样本；