[发明专利]数据预测方法、装置、设备及介质

权利要求书

1.一种数据预测方法，包括：

获取多个目标对象对应的基础数据；其中，所述多个目标对象对应的基础数据均是根据同一实际应用场景确定；所述目标对象为企业的客户或者企业生产的产品；在所述目标对象为企业的客户时，所述基础数据包括客户的身份信息、特征信息、订单信息、客户来源渠道、沟通交互信息中的一种或多种；在所述目标对象为企业生产的产品时，所述基础数据包括产品的身份信息、生产地、生产日期、产品性能、产品评价中的一种或多种；

按照指定结构格式对每个目标对象的基础数据进行预处理，得到每个目标对象的结构化数据，其中，所述指定结构格式包含至少一个指定数据维度，所述指定数据维度与预测影响因素相关；

采用预先训练的机器学习模型对每个目标对象的结构化数据进行处理，得到每个目标对象的单独行为预测结果；

基于指定聚合方式对所述多个目标对象的单独行为预测结果进行聚合，得到所述多个目标对象的聚合结果；其中，所述指定聚合方式为加权平均方式；

对所述多个目标对象的聚合结果进行修正，并将修正的聚合结果作为所述多个目标对象的整体行为预测结果；其中，通过平抑聚合结果的波动的方式或者通过对多个目标对象的聚合结果进行数据降噪的方式，对多个目标对象的聚合结果进行修正。

2.如权利要求1所述的数据预测方法，其中，所述预先训练的机器学习模型按照如下步骤训练得到：

获取多个对象样本的结构化数据以及每个对象样本的单独行为真实结果；其中，所述对象样本为已知其真实行为的样本；

基于所述指定聚合方式对所述单独行为真实结果进行聚合，得到所述多个对象样本的整体行为真实结果；

基于所述多个对象样本的结构化数据以及所述多个对象样本的整体行为真实结果对初始机器学习模型进行训练，得到所述预先训练的机器学习模型。

3.如权利要求2所述的数据预测方法，其中，所述基于所述多个对象样本的结构化数据以及所述多个对象样本的整体行为真实结果对初始机器学习模型进行训练，得到所述预先训练的机器学习模型包括：

采用所述初始机器学习模型对每个对象样本的结构化数据进行处理，得到每个对象样本的单独行为预测结果；

基于所述指定聚合方式对所述多个对象样本的单独行为预测结果进行聚合，得到所述多个对象样本的聚合结果；

按照预设的损失函数计算所述多个对象样本的聚合结果以及所述多个对象样本的整体行为真实结果之间的损失值；

基于所述损失值调整所述初始机器学习模型的参数，直至所述损失值符合预设条件时结束训练，以得到所述预先训练的机器学习模型。

4.如权利要求1至3中任一项所述的数据预测方法，其中，所述基于指定聚合方式对所述多个目标对象的单独行为预测结果进行聚合，得到所述多个目标对象的聚合结果包括：

采用加权平均算法对所述多个目标对象的单独行为预测结果进行处理，得到加权平均结果；

基于所述加权平均结果确定所述多个目标对象的聚合结果。

5.如权利要求1至3中任一项所述的数据预测方法，其中，所述对所述多个目标对象的聚合结果进行修正包括：

获取至少一个历史指定时段内多个指定对象的整体行为真实结果；

基于获取到的所述多个指定对象的整体行为真实结果对所述多个目标对象的聚合结果进行修正。

6.如权利要求5所述的数据预测方法，其中，所述基于获取到的所述多个指定对象的整体行为真实结果对所述多个目标对象的聚合结果进行修正包括：

基于获取到的所述多个指定对象的整体行为真实结果，采用预训练得到的多元线性回归模型对所述多个目标对象的聚合结果进行修正。