公开(公告)号：CN118070008A

公开(公告)日：2024-05-24

申请号：CN202410176631.2

申请日：2024-02-07

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 周凡 ,  潘晨 ,  马琳涛 ,  刘雨 ,  宁温馨 ,  庄紫 ,  胡云华 ,  薛思乔 ,  林炜韬

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/23 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06F123/02

Abstract: 本说明书实施例提供一种多阶层时间序列预测方法及装置，在进行多阶层时序预测过程中，考虑到时序阶层之间的关联关系，对于历史多阶层时间序列中的各个时间节点，一方面提取更粗时间粒度的变换特征，另一方面提取更细时间粒度的子节点分布特征。进一步地，基于变换特征和子节点分布特征，对各个时间节点分别确定相应的各个编码张量，然后对各个时间节点在若干多阶层时间序列中对应的各个编码张量进行融合，得到相应的各个表征张量，基于各个表征张量预测业务主体在后续若干预定时间段内的业务量构成的多阶层时序，多阶层时序是对预测结果进行满足一致性约束调和的多阶层时间序列。如此，可以提高预测结果的准确性。

公开(公告)号：CN115048992A

公开(公告)日：2022-09-13

申请号：CN202210630555.9

申请日：2022-06-06

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 孙银波 ,  马琳涛 ,  薛思乔 ,  师晓明 ,  刘雨 ,  王世宇 ,  胡韵 ,  郑洋飞 ,  雷磊 ,  廖聪 ,  王世军 ,  詹姆士·张 ,  潘晨

IPC: G06K9/62

Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先从历史时间序列获取训练数据，所述训练数据包括连续n个时间点的指标值，所述n为大于1的正整数；然后利用所述训练数据训练状态空间模型，得到时间序列预测模型；其中，依时间顺序将各时间点分别作为第ts个时间点执行：将第ts个时间点的指标值输入所述状态空间模型，由所述状态空间模型依据所述第ts个时间点及其之前各时间点的指标值预测所述第ts个时间点之后τ个时间点的指标值，所述τ为预设的正整数；训练目标包括最小化预测的指标值与训练数据中对应指标值的差异；其中，在所述预测中将待预测时间点之前各时间点的隐状态表示进行注意力机制的处理来得到所述待预测时间点的隐状态表示。

公开(公告)号：CN118839128A

公开(公告)日：2024-10-25

申请号：CN202410942658.8

申请日：2024-07-12

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 刘雨 ,  周凡 ,  詹姆士·张 ,  宁温馨 ,  潘晨 ,  孙银波 ,  王世宇 ,  胡云华 ,  马琳涛 ,  卢星宇

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/25 ,  G06Q10/04 ,  G06Q30/0202 ,  G06Q40/06 ,  G06F123/02

Abstract: 本说明书提供一种时间序列预测方法及系统，能够在宏观时间序列的基础上结合用户级别的微观用户特征进行时间序列预测。本说明书提供的时间序列预测方法及系统充分结合了宏观和微观多个层面的数据信息，能够提升预测的准确性。

公开(公告)号：CN114970359B

公开(公告)日：2024-05-31

申请号：CN202210629028.6

申请日：2022-06-06

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 刘雨 ,  薛思乔 ,  胡韵 ,  师晓明 ,  廖聪 ,  潘晨 ,  孙银波 ,  郑洋飞 ,  马琳涛 ,  雷磊

IPC: G06F30/27 ,  G06F119/02

Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先将第i个时间序列输入时间序列预测模型，所述时间序列包括连续n个时间点的指标值，所述时间序列中包含指标极值信息，所述n为大于1的正整数；然后获取所述时间序列预测模型依据所述第i个时间序列及其之前的历史时间序列预测得到的所述第i个时间序列之后τ个时间点的指标值，所述τ为预设的正整数；其中，所述时间序列预测模型基于记忆网络预先训练得到。

公开(公告)号：CN114970359A

公开(公告)日：2022-08-30

申请号：CN202210629028.6

申请日：2022-06-06

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 刘雨 ,  薛思乔 ,  胡韵 ,  师晓明 ,  廖聪 ,  潘晨 ,  孙银波 ,  郑洋飞 ,  马琳涛 ,  雷磊

IPC: G06F30/27 ,  G06F119/02

Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先将第i个时间序列输入时间序列预测模型，所述时间序列包括连续n个时间点的指标值，所述时间序列中包含指标极值信息，所述n为大于1的正整数；然后获取所述时间序列预测模型依据所述第i个时间序列及其之前的历史时间序列预测得到的所述第i个时间序列之后τ个时间点的指标值，所述τ为预设的正整数；其中，所述时间序列预测模型基于记忆网络预先训练得到。

公开(公告)号：CN116070773A

公开(公告)日：2023-05-05

申请号：CN202310147923.9

申请日：2023-02-08

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 周凡 ,  潘晨 ,  马琳涛 ,  刘雨 ,  詹姆士·张 ,  林炜韬 ,  胡轩维 ,  朱新新 ,  胡云华

IPC: G06Q10/04 ,  G06F16/901 ,  G06N3/044 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084 ,  G06F123/02

Abstract: 本说明书实施例提供一种预测时序指标的方法的装置。根据该方法，首先基于n个业务对象各自在目标时段t的业务特征，获得对应的n个第一表征；其中，n个业务对象基于其范围归属关系而形成树结构中的节点。接着，对于n个第一表征进行卷积操作，得到n个第二表征；其中，n个业务对象中任意的目标业务对象对应的第二表征，通过对目标卷积窗口中的第一表征进行卷积运算而得到，所述目标卷积窗口包括，树结构中从根节点到目标业务对象的路径所覆盖的若干业务对象。基于此，可以根据n个第二表征，确定n个业务对象的n个对象表征；并根据n个对象表征，预测n个业务对象各自在目标时段t的业务指标值。