公开(公告)号：CN118885755A

公开(公告)日：2024-11-01

申请号：CN202410994650.6

申请日：2024-07-23

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 黄振港 ,  张旭 ,  吴云志 ,  陆逊 ,  戚尔鹏 ,  王鹏 ,  汪卫

IPC: G06F18/20 ,  G06F18/25 ,  G06Q30/0202 ,  G06N3/0464 ,  G06N3/084 ,  G06F123/02

Abstract: 本说明书实施例提供时序数据预测方法、时序预测模型的训练方法、销量预测方法及装置，其中时序数据预测方法包括：获取目标事务在第一预设时长内的待测时序数据；根据至少两个划分尺度对待测时序数据进行划分，构建多尺度输入数据，其中，多尺度输入数据包括各划分尺度对应的尺度数据；利用时序预测模型，确定多尺度输入数据中各划分尺度对应的尺度预测结果；利用时序预测模型，基于各划分尺度对应的尺度预测结果，确定目标事务在第二预设时长内的目标尺度预测结果。实现了基于不同的划分尺度分别对待测时序数据进行时序预测，能够更全面地捕捉待测时序数据中的各种变化趋势，提高时序数据预测的准确性。

公开(公告)号：CN118626779A

公开(公告)日：2024-09-10

申请号：CN202410599061.8

申请日：2024-05-14

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 黄振港 ,  魏建平 ,  刘子奇 ,  吴郑伟 ,  张志强 ,  戚尔鹏 ,  周俊

IPC: G06F18/20 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/0442 ,  G06N3/0455 ,  G06F123/02

Abstract: 本说明书实施例提供一种时序预测方法及装置，在时序预测方法中，利用基础预测模型，基于目标测量对象在第一时段之前的前序测量值序列和在第一时段之中的第一测量值序列，得到其在第一时段的第一预测序列，以及在第二时段的第二预测序列，其中第二时段接续第一时段。至少将第一测量值序列、第一预测序列以及第二预测序列输入时序预测模型进行模型处理，得到针对第二时段的残差序列。将第二预测序列与残差序列相叠加，得到针对第二时段的最终预测序列。

公开(公告)号：CN118153773A

公开(公告)日：2024-06-07

申请号：CN202410417578.0

申请日：2024-04-08

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 魏建平 ,  黄振港 ,  刘子奇 ,  吴郑伟 ,  张志强 ,  戚尔鹏 ,  周俊

IPC: G06Q10/04 ,  G06F18/25 ,  G06N3/049 ,  G06N20/20 ,  G06N3/0464 ,  G06F17/14 ,  G06F17/18

Abstract: 本说明书实施例提供一种时间序列预测方法及装置，在进行时序预测过程中，考虑细时间粒度中的时序数据长度较大的情形，为了充分利用细时间粒度下的时序数据，通过按时间周期分割将长序列转换成短序列，并对短序列进行切片、提取单个短序列的切片编码、提取各个短时序中的对应时间区间的切片表征，进而通过拼接、形状重塑、融合等处理，进行分时间周期的长时序预测。这种实施方式可以减少参数量，提高对长时序数据处理的有效性。

公开(公告)号：CN118211729A

公开(公告)日：2024-06-18

申请号：CN202410417783.7

申请日：2024-04-08

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 魏建平 ,  黄振港 ,  刘子奇 ,  吴郑伟 ,  张志强 ,  戚尔鹏 ,  周俊

IPC: G06Q10/04 ,  G06F18/25 ,  G06N3/049 ,  G06N20/20 ,  G06N3/0464 ,  G06F17/14 ,  G06F17/18

Abstract: 本说明书实施例提供一种时间序列预测方法及装置，在进行时序预测过程中，考虑到所利用的历史时序数据可能存在缺失从而导致偏差，可以对粗粒度历史时间序列和细粒度历史时间序列分别进行处理，并基于对预测的细粒度时间序列的统计确定具有可比性的粗粒度时序数值。其中，利用粗粒度历史时间序列可以预测粗粒度时序。而粗粒度时序中，单个时间区间(如对应单个时间节点)可以对应多个细粒度时间段，因此，还可以利用细粒度历史时间序列预测粗粒度时序下的细粒度时序分布，并通过分配比例进行描述。从而，可以按照所确定的分配比例，以及粗粒度预测结果，进行细粒度时间序列的预测。如此，可以提高时序预测结果的准确性。