[发明专利]对象价值预测方法、装置、计算机设备和存储介质

权利要求书

1.一种对象价值预测方法，其特征在于，所述方法包括：

获取待预测对象集中各个待预测对象的对象特征；

通过对各个待预测对象的对象特征进行聚类，将各个待预测对象分为多个对象群，基于每个对象群中各个待预测对象在第一预设时间段内的资源剩余峰值，确定每个对象群中各个待预测对象的第一预测价值；

将所述待预测对象集中各个待预测对象的对象特征分别输入至回归模型，得到所述待预测对象集中各个待预测对象的第二预测价值；

针对待预测对象集中每个待预测对象，确定当前待预测对象与，所述待预测对象集中除所述当前待预测对象外每个第一对象之间的多维度关系数据；基于所述多维度关系数据，确定所述当前待预测对象的第三预测价值；

针对待预测对象集中每个待预测对象，基于当前待预测对象在第二预设时间段内的资源剩余峰值，确定所述当前待预测对象的第四预测价值；

基于所述待预测对象集中每个待预测对象的第一预测价值、第二预测价值、第三预测价值以及第四预测价值，确定每个待预测对象的对象价值。

2.根据权利要求1所述的方法，其特征在于，所述回归模型的训练步骤，包括：

获取训练对象的对象特征以及训练对象的价值标签；

将所述训练对象的对象特征输入至当前训练模型，得到所述训练对象的预测价值，基于所述预测价值和所述价值标签判断所述当前训练模型是否满足预设停止条件，若满足，则将所述当前训练模型作为所述回归模型，若不满足，则对所述当前训练模型继续进行训练，直到所述当前训练模型满足所述预设停止条件。

3.根据权利要求1所述的方法，其特征在于，所述基于所述多维度关系数据，确定所述当前待预测对象的第三预测价值，包括：

在所述待预测对象集的知识图谱上确定所述当前待预测对象对应的子图谱；

对于所述待预测对象集中除所述当前待预测对象外每个第一对象，将所述当前待预测对象与当前第一对象的多维度关系数据进行加权平均，获得所述当前待预测对象与当前第一对象的亲密距离；

根据所述当前待预测对象与当前第一对象的亲密距离，获得所述当前待预测对象与当前第一对象之间的传播权重；

基于当前待预测对象与各个第一对象之间的传播权重，在所述当前待预测对象对应的子图谱中，确定当前待预测对象的第三预测价值。

4.根据权利要求3所述的方法，其特征在于，所述在所述待预测对象集的知识图谱上确定所述当前待预测对象对应的子图谱，包括：

构建所述待预测对象集的知识图谱，其中，所述待预测对象集中每个待预测对象与所述知识图谱中的一个节点相对应；

以当前待预测对象对应的节点为中心，在所述知识图谱中选取所述当前待预测对象的预设级数关系范围内的关系节点；

基于当前待预测对象对应的节点和所述关系节点，确定所述当前待预测对象对应的子图谱。

5.根据权利要求4所述的方法，其特征在于，所述基于当前待预测对象与各个第一对象之间的传播权重，在所述当前待预测对象对应的子图谱中，确定当前待预测对象的第三预测价值，包括：

在所述当前待预测对象对应的子图谱中，确定每一关系节点到所述当前待预测对象对应的节点的最短路径，以及所述最短路径经过的目标节点；

获取所述目标节点中相邻两个目标节点之间的传播权重；

获取每一关系节点对应的待预测对象在第三预设时间段内的资源剩余峰值；

基于所述目标节点中相邻两个目标节点之间的传播权重，以及每一关系节点对应的待预测对象在第三预设时间段内的资源剩余峰值，确定每一关系节点对应的待预测对象对所述当前待预测对象的价值影响；

将各关系节点对应的待预测对象对所述当前待预测对象的价值影响求和，确定当前待预测对象的第三预测价值。

6.根据权利要求1所述的方法，其特征在于，所述基于所述待预测对象集中每个待预测对象的第一预测价值、第二预测价值、第三预测价值以及第四预测价值，确定每个待预测对象的对象价值，包括：

针对所述待预测对象集中每个待预测对象，从当前待预测对象的第一预测价值、第二预测价值、第三预测价值以及第四预测价值中选取最大值，并将所述最大值作为当前待预测对象的对象价值。