[发明专利]训练神经网络的方法、预测呼入流量的方法及装置

权利要求书

1.一种用于训练神经网络的方法，所述神经网络包括：

输入层，被配置为至少获得当前时段的流量特征的取值和所述当前时段的上一时段的流量特征的取值；

嵌入层，被配置为确定所述流量特征各自的第一特征权重，并且基于所述当前时段的上一时段的流量特征的取值和所述流量特征各自的特征权重确定第一预测流量；

解码层，被配置为基于当前时段的流量特征的取值确定当前时段第二预测流量，并且基于所述当前时段的上一时段的流量特征的取值确定第三预测流量；以及

输出层，被配置为输出由所述第一预测流量、所述第二预测流量和所述第三预测流量融合得到的预测流量；

所述训练神经网络的方法包括：

将所述当前时段的上一时段的流量特征的取值输入所述神经网络，通过调整所述神经网络的参数使得针对所述上一时段的预测流量趋近于所述当前时段的实际流量。

2.根据权利要求1所述的方法，其中，所述嵌入层包括：

注意力机制网络，被配置为基于指定时段的流量特征的取值对所述第一预测流量的影响度，来确定所述流量特征各自的第一特征权重；以及

长短时记忆网络，被配置为处理经所述第一特征权重调整后的所述当前时段的上一时段的流量特征的取值，得到所述第一预测流量。

3.根据权利要求2所述的方法，其中，所述流量特征包括呼入流量特征；

所述注意力机制网络包括：

第一子注意力机制网络，被配置为对于至少一个服务器中的每个服务器的流量特征，对按照时序排序后的指定时段的流量特征进行处理以确定流量子特征权重；

第二子注意力机制网络，被配置为确定所述至少一个服务器中的每个服务器的服务器子特征权重；以及

所述长短时记忆网络具体被配置为处理分别经所述流量子特征权重和所述服务器子特征权重调整后的所述当前时段的上一时段的流量特征的取值，得到所述第一预测流量。

4.根据权利要求1至3任一项所述的方法，其中，所述神经网络还包括：

基于时间的注意力机制网络，被配置为确定所述流量特征各自在相邻时段的第二特征权重，以调整所述当前时段的流量特征的取值和/或调整所述当前时段的上一时段的流量特征的取值。

5.根据权利要求1至3任一项所述的方法，其中，所述流量特征的取值通过如下方式来确定：

通过预先构建的字典将外部特征关联数据中的非结构化数据转换为结构化数据，得到外部特征数据；

将外部特征数据和呼入流量数据进行拼接，得到拼接数据；

按照时序对所述拼接数据进行排序，并在完成排序后删除时间维度，得到流量特征数据流；以及

对所述流量特征数据流进行规范化处理，得到所述流量特征的取值。

6.根据权利要求1至3任一项所述的方法，其中，所述流量特征包括：外部特征和呼入流量特征，所述外部特征包括：天气、节假日、业务处理周期节点、流量相关业务推广活动、服务器标识或者时间中至少一种。

7.根据权利要求1至3任一项所述的方法，所述训练神经网络的方法还包括：

在单次训练所述神经网络的过程中，停止部分神经网络的节点输出处理结果。