[发明专利]多维度信息的组合预测方法、装置、计算机设备及介质

说明书

本发明涉及人工智能技术领域，公开了一种多维度信息的组合预测方法、装置、计算机设备及介质，包括：接收用户端发送的预测请求；提取预测请求中时序信息所对应的时序特征，调用预设的时序模型计算所述时序特征得到时序预测结果；提取所述预测请求中非时序信息所对应的非时序特征，调用预设的非时序模型计算所述非时序特征得到非时序预测结果；通过预设的预测模型计算所述时序预测结果和非时序预测结果得到预测信息。本发明还涉及区块链技术，信息可存储于区块链节点中。本发明实现了多维度对预测请求进行预测，提升了预测参考维度的全面性，进而提高了预测的准确度。

技术领域

本发明涉及人工智能的智能决策技术领域，尤其涉及一种多维度信息的组合预测方法、装置、计算机设备及介质。

背景技术

预测模型是指根据数学语言或公式所描述的事物间的数量关系，并根据该关系预测对象未来行为或状态的计算机模型，其在一定程度上揭示了事物间的内在规律性，预测时把它作为计算预测值的直接依据。

当前的预测模型通常是采用单一维度的数据对目标对象进行预测，一般为采用时序信息(如：动态信息)在时序维度(可视为动态维度)上对目标对象进行预测，或采用非时序信息(如：静态信息)在非时序维度(可视为静态维度)上对目标对象进行预测。发明人意识到，采用单一维度对目标对象进行预测的方法，无法全面的对目标对象进行考量，导致预测准确度较低。

发明内容

本发明的目的是提供一种多维度信息的组合预测方法、装置、计算机设备及介质，用于解决现有技术存在的无法全面的对目标对象进行考量导致预测准确度较低的问题；本申请可应用于智慧医疗场景中，从而推动智慧城市的建设。

为实现上述目的，本发明提供一种多维度信息的组合预测方法，包括：

接收用户端发送的预测请求；

提取预测请求中时序信息所对应的时序特征，调用预设的时序模型计算所述时序特征得到时序预测结果；

提取所述预测请求中非时序信息所对应的非时序特征，调用预设的非时序模型计算所述非时序特征得到非时序预测结果；

通过预设的预测模型计算所述时序预测结果和非时序预测结果得到预测信息。

上述方案中，接收用户端发送的预测请求之后，包括：

提取预测请求中的对象信息，从预设的模型集合中获取与所述对象信息对应时序模型和非时序模型。

上述方案中，提取预测请求中时序信息所对应的时序特征之前，包括：

对所述预测请求中的时序信息进行时序特征化处理得到时序特征；

提取所述预测请求中非时序信息所对应的非时序特征之前，包括：

对所述预测请求中的非时序信息进行非时序特征化处理得到非时序特征。

上述方案中，所述时序特征化处理包括以下步骤：

根据预设的拆分规则拆分所述时序信息得到至少一个时序子信息；

判断得到的时序子信息的数量是否达到预设的时序阈值；

若是，则汇总所述时序子信息获得子信息集合；

若否，则创制补零子信息并将其与所述时序子信息汇总得到子信息集合，使所述子信息集合中补零子信息及时序子信息的数量达到所述时序阈值；

提取所述子信息集合中的时序子信息，并通过预置的时序向量表识别所述时序子信息中各数据项所对应的向量值，根据所述数据项在所述时序子信息中的位置排列各所述数据项对应的向量值，得到所述时序子信息对应的时序子特征；其中，所述数据项是所述时序子信息中的不可分割的最小单位；