[发明专利]神经网络预测方法及装置

说明书

本公开涉及一种神经网络预测方法及装置。该方法包括：分别获取多个待预测对象的特征信息；将特征信息输入预测模型中进行处理，获取针对多个待预测对象中至少一个待预测对象的预测结果；输出预测结果，其中，预测模型包括深度神经网络DNN模块、关系网络RN模块以及对抗训练网络模块。根据本公开实施例，能够通过包括多个神经网络模块的预测模型，对多个待预测对象的特征信息进行处理，从而获取针对多个待预测对象中至少一个待预测对象的预测结果，提高了该预测结果的准确度。

技术领域

本公开涉及计算机技术领域，尤其涉及一种神经网络预测方法及装置。

背景技术

相关技术中，可以利用训练样本训练得到预测模型，从而对各种事件进行预测。例如，可以利用电视剧播放流量(Video View)相关的训练样本训练得到用于预测电视剧播放流量的预测模型，从而对即将播放的电视剧播放流量进行预测。然而，有些事件的训练样本数量较少，例如，综艺相关的训练样本数量较少，通过较少的训练样本训练得到的预测模型具有预测准确度低、预测结果不可靠等问题。

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，能够提高预测结果的准确度。

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：

分别获取多个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，获取针对所述多个待预测对象中至少一个待预测对象的预测结果；

输出所述预测结果，

其中，所述预测模型包括深度神经网络DNN(Deep Neural Network，DNN)模块、关系网络RN(Relation Network，RN)模块以及对抗训练网络模块。

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，获取针对所述多个待预测对象中至少一个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，确定所述多个待预测对象的深度信息；

将所述深度信息输入所述RN模块中进行处理，确定所述多个待预测对象的关系信息；

将所述关系信息输入所述对抗训练网络模块中进行处理，确定所述多个待预测对象中至少一个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，获取针对所述多个待预测对象中至少一个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，所述方法还包括：

分别获取多组样本对象的特征信息；

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

根据所述多组样本对象的训练预测结果以及期望预测结果，分别确定所述多组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；

在所述模型损失满足训练条件的情况下，将调整后的预测模型确定为最终的预测模型。

在一种可能的实现方式中，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，包括：