[发明专利]神经网络预测方法及装置

说明书

本公开提供一种神经网络预测方法及装置，所述方法包括：获取待预测对象的特征信息；将所述特征信息输入预测模型中进行处理，获取针对所述待预测对象的预测结果；输出所述待预测对象的预测结果，其中，所述预测模型包括深度神经网络DNN模块以及多任务学习网络MTL模块。通过利用包括深度神经网络DNN以及多任务学习网络MTL的预测模型，对待预测对象的特征信息进行处理，获取针对待预测对象的预测结果，能够捕捉待预测对象的特征信息之间的关联性，从而提高了预测结果的准确率。

技术领域

本公开涉及神经网络技术领域，尤其涉及一种神经网络预测方法及装置。

背景技术

在实际的生活中，需要对各种事件进行预测，例如针对即将上映的电影预测票房、针对即将上映的电视剧预测收视率、美国总统选举、当前彩票的中奖数字、足球赛的胜负等，各种待预测事件的影响因素复杂、各影响因素之间不同的关联关系也会导致不同的预测结果，但在传统的预测手段中，只能针对有限的数据，利用概率统计等相关算法进行预测，预测结果的准确率低。

发明内容

有鉴于此，本公开提出了一种神经网络预测方法及装置，能够对待预测对象的特征信息进行处理，并根据需求输出一个或多个预测结果，提高了预测结果的准确率。

根据本公开的一方面，提供了一种神经网络预测方法，所述方法包括：

获取待预测对象的特征信息；

将所述特征信息输入预测模型中进行处理，获取针对所述待预测对象的预测结果；

输出所述待预测对象的预测结果，

其中，所述预测模型包括深度神经网络DNN模块以及多任务学习网络MTL模块。

在一种可能的实现方式中，将所述特征信息输入预测模型中进行处理，获取针对所述待预测对象的预测结果，包括：

将所述特征信息输入所述DNN模块中进行处理，确定所述待预测对象的深度信息；

将所述深度信息输入所述MTL模块中进行处理，确定针对所述待预测对象的预测结果。

在一种可能的实现方式中，所述预测模型还包括嵌入模块，

其中，将所述特征信息输入预测模型中进行处理，获取针对所述待预测对象的预测结果，还包括：

将初始信息输入所述嵌入模块进行向量化处理，确定所述初始信息的向量信息；

将所述初始信息和所述向量信息确定为所述特征信息。

在一种可能的实现方式中，所述预测结果包括：

主预测结果以及相关预测结果，

其中，在所述预测模型的目标函数中，与所述主预测结果相关联的参数权重大于与所述相关预测结果相关联的参数权重。

在一种可能的实现方式中，输出所述待预测对象的预测结果，包括以下任意一种：

输出所述待预测对象的主预测结果；

输出所述待预测对象的主预测结果以及相关预测结果。

在一种可能的实现方式中，所述方法还包括：

获取样本对象的特征信息；

将所述样本对象的特征信息输入初始预测模型中进行处理，获取针对所述样本对象的训练预测结果；

根据所述样本对象的训练预测结果以及所述样本对象的期望预测结果，确定所述样本对象的模型损失；

根据所述模型损失，调整所述初始预测模型中的参数权重，确定调整后的预测模型；