[发明专利]一种数据预测方法、装置、设备及计算机可读存储介质

权利要求书

1.一种数据预测方法，其特征在于，包括：

对接收到的数据预测请求进行解析，确定目标对象；

调取所述目标对象的各历史交易数据；

获取各所述历史交易数据分别对应的关注度；

将各所述历史交易数据和各所述关注度输入到预测模型中；

利用所述预测模型预测得到所述目标对象的目标交易数据。

2.根据权利要求1所述的数据预测方法，其特征在于，获取各所述历史交易数据分别对应的关注度，包括：

通过selenium自动化测试工具获取各所述历史交易数据分别对应的搜索指数数据；

将各所述历史交易数据和各所述关注度输入到预测模型中，包括：

将各所述历史交易数据和各所述搜索指数数据输入到所述预测模型中。

3.根据权利要求1或2所述的数据预测方法，其特征在于，在获取各所述历史交易数据分别对应的关注度之后，将各所述历史交易数据和各所述关注度输入到预测模型中之前，还包括：

对各所述历史交易数据及各所述关注度进行正态分布标准化处理。

4.根据权利要求3所述的数据预测方法，其特征在于，在获取各所述历史交易数据分别对应的关注度之后，对各所述历史交易数据及各所述关注度进行正态分布标准化处理之前，还包括：

对各所述关注度进行过滤操作。

5.根据权利要求1所述的数据预测方法，其特征在于，所述预测模型的训练过程包括：

获取预设数量的各样本数据组；

将各所述样本数据组输入到BP神经网络模型；

利用梯度下降算法对所述BP神经网络模型进行权重及偏置迭代更新，得到所述预测模型。

6.根据权利要求5所述的数据预测方法，其特征在于，利用梯度下降算法对所述BP神经网络模型进行权重及偏置迭代更新，得到所述预测模型，包括：

获取所述BP神经网络模型输出的各所述样本数据组分别对应的预测输出数据；

获取各所述样本数据组分别对应的期望输出数据；

根据各所述预测输出数据和各所述期望输出数据计算各所述样本数据组分别对应的样本组误差；

根据各所述样本组误差计算全局误差；

判断所述全局误差是否在预设精度范围内；

若是，则将当前BP神经网络模型确定为所述预测模型；

若否，则基于所述全局误差对当前BP神经网络模型进行权重及偏置迭代更新，并重复执行所述获取预设数量的各样本数据组的步骤，直至所述全局误差满足所述预设精度范围。

7.一种数据预测装置，其特征在于，包括：

对象确定模块，用于对接收到的数据预测请求进行解析，确定目标对象；

数据调取模块，用于调取所述目标对象的各历史交易数据；

关注度获取模块，用于获取各所述历史交易数据分别对应的关注度；

输入模块，用于将各所述历史交易数据和各所述关注度输入到预测模型中；

数据预测模块，用于利用所述预测模型预测得到所述目标对象对应的目标交易数据。

8.根据权利要求7所述的数据预测装置，其特征在于，所述关注度获取模块具体为通过selenium自动化测试工具获取各所述历史交易数据分别对应的搜索指数数据的模块；

所述输入模块具体为将各所述历史交易数据和各所述搜索指数数据输入到所述预测模型中的模块。

9.一种数据预测设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述数据预测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述数据预测方法的步骤。