CN107507030A - 信息预测的方法和装置 - Google Patents
信息预测的方法和装置 Download PDFInfo
- Publication number
- CN107507030A CN107507030A CN201710723493.5A CN201710723493A CN107507030A CN 107507030 A CN107507030 A CN 107507030A CN 201710723493 A CN201710723493 A CN 201710723493A CN 107507030 A CN107507030 A CN 107507030A
- Authority
- CN
- China
- Prior art keywords
- time quantum
- information
- time
- timing node
- quantum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了信息预测的方法和装置。其中,该方法的一具体实施方式包括:获取待进行信息预测的时间段;按照预定时间间隔确定上述时间段所包含的时间单元;对每个时间单元,判断该时间单元是否属于预设时间段,并根据判断结果确定该时间单元的时间节点系数;基于各个时间单元的时间节点系数生成所获取的时间段的预测信息。该实施方式可以提高信息预测的准确性。
Description
技术领域
本申请涉及计算机技术领域,具体涉及信息处理领域,尤其涉及信息预测的方法和装置。
背景技术
在日常生活中,经常需要用到信息预测,例如,商业活动中,对销售额或销售量进行预测,以便更好地安排销售活动。现有的信息预测方法,往往通过往年的待预测信息量值平均值、与历史时间段的同比增长数据、环比增长数据等进行信息预测。这些预测方法,粒度较大,预测结果的准确性有待提高。因此,可以充分利用历史数据,细化预测粒度,提高信息预测的准确性。
发明内容
本申请的目的在于提出一种改进的信息预测的方法和装置,来解决以上背景技术部分提到的技术问题。
第一方面,本申请实施例提供了一种信息预测的方法,该方法包括:获取待进行信息预测的时间段;按照预定时间间隔确定上述时间段所包含的时间单元;对每个时间单元,判断该时间单元是否属于预设时间段,并根据判断结果确定该时间单元的时间节点系数;基于各个时间单元的时间节点系数生成所获取的时间段的预测信息。
在一些实施例中,上述对每个时间单元,判断该时间单元是否属于预设时间段,并根据判断结果确定该时间单元的时间节点系数包括:判断该时间单元是否属于预设时间段;若是,确定时间节点系数为:与该时间单元相关联的历史时间单元产生的待预测信息量值与年平均产生的待预测信息量值的比值;否则,确定预测系数为预定值。
在一些实施例中,上述基于各个时间单元的时间节点系数生成所获取的时间段的预测信息包括:对每个时间单元,基于该时间单元的时间节点系数确定该时间单元的预测信息;将各个时间单元的预测信息叠加生成所获取的时间段的预测信息。
在一些实施例中,上述对每个时间单元,基于该时间单元的时间节点系数确定该时间单元的预测信息包括:对每个时间单元,获取与该时间单元相关联的历史时间单元产生的待预测信息量值;通过所获取的历史时间单元产生的待预测信息量值计算该时间单元的同比系数,其中,上述同比系数包括:(与该时间单元相关联的历史时间单元产生的待预测信息量值-与该时间单元相关联的历史时间单元的前一历史单元产生的待预测信息量值)/与该时间单元相关联的历史时间单元产生的待预测信息量值;基于与该时间单元相关联的历史时间单元产生的待预测信息量值、该时间单元的同比系数、该时间单元的时间节点系数生成该时间单元的预测信息。
在一些实施例中,每个时间单元时间节点系数有多个,以及,上述基于各个时间单元的时间节点系数生成所获取的时间段的预测信息包括:对各个时间单元,基于该时间单元的时间节点系数的乘积确定该时间单元的预测信息。
在一些实施例中,上述基于各个时间单元的时间节点系数生成所获取的时间段的预测信息包括:对每个时间单元:获取与该时间单元相关联的至少一个历史时间单元产生的待预测信息量值;将上述至少一个历史时间单元产生的待预测信息量值的平均值作为预测基准值;基于上述预测基准值、上述时间节点系数确定该时间单元的预测信息。
第二方面,本申请还提供了一种信息预测的装置,该装置包括:获取模块,配置用于获取待进行信息预测的时间段;划分模块,配置用于按照预定时间间隔确定上述时间段所包含的时间单元;确定模块,配置用于对每个时间单元,判断该时间单元是否属于预设时间段,并根据判断结果确定该时间单元的时间节点系数;生成模块,配置用于基于各个时间单元的时间节点系数生成所获取的时间段的预测信息。
在一些实施例中,上述确定模块进一步配置用于:判断该时间单元是否属于预设时间段;若是,确定时间节点系数为:与该时间单元相关联的历史时间单元产生的待预测信息量值与年平均产生的待预测信息量值的比值;否则,确定预测系数为预定值。
在一些实施例中,上述生成模块包括:确定单元,配置用于对每个时间单元,基于该时间单元的时间节点系数确定该时间单元的预测信息;叠加单元,配置用于将各个时间单元的预测信息叠加生成所获取的时间段的预测信息。
在一些实施例中,上述确定单元进一步配置用于:对每个时间单元,获取与该时间单元相关联的历史时间单元产生的待预测信息量值;通过所获取的历史时间单元产生的待预测信息量值计算该时间单元的同比系数,其中,上述同比系数包括:(与该时间单元相关联的历史时间单元产生的待预测信息量值-与该时间单元相关联的历史时间单元的前一历史单元产生的待预测信息量值)/与该时间单元相关联的历史时间单元产生的待预测信息量值;基于与该时间单元相关联的历史时间单元产生的待预测信息量值、该时间单元的同比系数、该时间单元的时间节点系数生成该时间单元的预测信息。
在一些实施例中,每个时间单元时间节点系数有多个,以及,上述生成模块进一步配置用于:对各个时间单元,基于该时间单元的时间节点系数的乘积确定该时间单元的预测信息。
在一些实施例中,上述生成模块还配置用于:对每个时间单元:获取与该时间单元相关联的至少一个历史时间单元产生的待预测信息量值;将上述至少一个历史时间单元产生的待预测信息量值的平均值作为预测基准值;基于上述预测基准值、上述时间节点系数确定该时间单元的预测信息。
本申请提供的信息预测的方法和装置,通过获取待进行信息预测的时间段,然后按照预定时间间隔确定上述时间段所包含的时间单元,接着,对每个时间单元,判断该时间单元是否属于预设时间段,并根据判断结果确定该时间单元的时间节点系数,然后基于各个时间单元的时间节点系数生成所获取的时间段的预测信息。由于对待进行信息预测的时间段划分为时间单元,并根据是否属于预设时间段确定各个时间单元的时间节点系数,可以充分利用历史数据,从而提高信息预测的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的信息预测的方法的一个实施例的流程图;
图3是根据本申请信息预测的方法的一个应用场景示意图;
图4是根据本申请的信息预测的装置的一个实施例的结构示意图;
图5适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的信息预测的方法的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102,网络103 和服务器104。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102通过网络103与服务器104交互,以接收或发送消息等。终端设备101、102上可以安装各种通讯客户端应用,例如信息预测类应用、购物类应用、搜索类应用、即时通信工具等。
终端设备101、102可以是具有通讯功能的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。
服务器104可以是提供各种服务的服务器,例如对终端设备101、 102上的社交平台应用、购物类应用等提供支持的后台服务器等。服务器104可以对接收到的查询或解锁请求等数据进行分析等处理,并将处理结果(例如所推送的商品等)反馈给终端设备101、102。
一般地,本申请实施例所提供的信息预测的方法可以适用于服务器104,也可以适用于终端设备101、102;相应地,本申请实施例所提供的信息预测的装置可以设置于终端设备104,也可以设置于终端设备101、102。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。例如,本申请的信息预测的方法适用于终端设备101、102时,服务器和网络的数量可能为零。
继续参考图2,图2示出了本申请的信息预测的方法的一个实施例。该信息预测的方法,包括以下步骤:
步骤201,获取待进行信息预测的时间段。
在本实施例中,运行有信息预测的方法的电子设备(例如图1所示的终端设备101、102)首先可以获取待进行信息预测的时间段。该时间段例如可以是一天、一个月、4个小时等。该时间段可以由用户通过字符、语音等中的一种或多种输入,也可以由上述电子设备从预定位置获取,例如,按照预定顺序分别进行一系列时间段预测时,预定位置可以是预设的表格文件等。举例而言,在商业活动中,当待预测的信息是某种商品的销售额时,待进行预测的时间段例如可以是 2017年5月1日至5月3日。即,通过本实施例的信息预测方法预测该时间段某种商品的销售额。
步骤202,按照预定时间间隔确定上述时间段所包含的时间单元。
在本实施例中,运行有信息预测的方法的电子设备(例如图1所示的终端设备101、102)接着可以按照预定时间间隔确定上述时间段所包含的时间单元。预定时间间隔例如可以是1天、1小时等等。作为示例,假如上述时间段是2017年5月1日至5月3日,预定时间间隔是1天,则上述时间段所包含的时间单元可以是按日期划分的2017 年5月1日、2017年5月2日、2017年5月3日。可以理解,在一些实现中,预设时间间隔也可以是不等间隔,例如上午10:00-12:00,下午12:00-18:00,晚上18:00-22:00,等等。
步骤203,对每个时间单元,判断该时间单元是否属于预设时间段,并根据判断结果确定该时间单元的时间节点系数。
在本实施例中,上述运行信息预测方法的电子设备还可以存储有预设时间段,该运行信息预测方法的电子设备可以对每个时间单元是否属于预设时间段进行判断,并根据判断结果确定相应时间单元的时间节点系数。
这里的时间节点系数可以是用于表示时间单元的时间节点对信息预测的重要程度的数值。作为示例,当本实施例的信息预测方法适用于商品销售额(或销售量)预测时,预设时间段可以是节假日,例如 2017年5月1日为劳动节假期等,预设时间段也可以是促销日,例如 2017年4月18日等。上述电子设备可以对各个时间单元,如2017年 5月1日、2017年5月2日、2017年5月3日,分别判断是否落入预设时间段内。如2017年5月1日属于预设劳动节假期范围,上述电子设备可以将该时间单元的时间节点系数确定为一个预设值,也可以根据所确定的预设时间段计算时间节点系数。2017年5月2日、2017 年5月3日不属于任何预设时间段,则上述电子设备可以将时间节点系数确定为一个常数,例如1。其中,预时间节点系数可以与与该时间单元相关联的历史时间单元产生的销售额(或销售量)正相关。
在本实施例的一些可选实现方式中,如果某一时间单元属于预设时间段,上述电子设备可以将时间节点系数确定为:与该时间单元相关联的历史时间单元产生的待预测信息量值与年平均产生的待预测信息量值的比值。其中,与该时间单元相关联的历史时间单元可以是与该时间单元具有按照某种关联关系进行关联的历史时间单元,例如与该时间单元相对应的历史年份的相应时间单元,如与2017年5月1 日相关联的历史时间单元可以包括:2016年5月1日、2015年5月1 日等等。为了更清楚地进行说明,以待预测信息是销售额(或销售量) 为例,与该时间单元相关联的历史时间单元产生的待预测信息量值例如可以是该时间单元相对应的历史年份的相应时间单元的销售额(或销售量)。年平均产生的待预测信息量值可以是一年中各个时间单元产生的销售额(或销售量)的总和除以一年中的时间单元个数。
可以理解,实践中,一个时间单元可能属于不同类型的预设时间段,例如上述示例中,2017年5月1如可能既属于节假日,又属于促销日。此时,对于2017年5月1这个时间单元,上述电子设备可以分别计算其对应于这多个预设时间段的时间节点系数,并将它们的乘积作为该时间单元的时间节点系数。
步骤204,基于各个时间单元的时间节点系数生成所获取的时间段的预测信息。
在本实施例中,运行有信息预测的方法的电子设备进一步可以以各个时间单元的时间节点系数为基础进行预定计算,从而确定所获取的时间段的预测信息。
可以理解,步骤202中对所获取的时间段划分的时间单元可以只有一个,也可以有多个。在本实施例的一些可选实现方式中,上述电子设备可以首先对步骤202中确定的每个时间单元,基于该时间单元的时间节点系数确定该时间单元的预测信息,然后将各个时间单元的预测信息叠加生成所获取的时间段的预测信息。例如,对时间单元 2017年5月1日、2017年5月2日、2017年5月3日分别得到预测信息后,将他们的预测信息叠加,得到时间段2017年5月1日-3日的预测信息。当预测信息以量值形式表示时,上述叠加可以是求和。
在本实施例的一些可选实现方式中,上述电子设备可以首先对步骤202中确定的每个时间单元,获取与该时间单元相关联的一个或多个历史时间单元产生的待预测信息量值,将这一个或多个历史时间单元产生的待预测信息量值的平均值作为预测基准值,然后,基于预测基准值和步骤203中确定的时间节点系数,确定该时间单元的预测信息。例如,将预测基准值和时间节点系数的乘积作为该时间单元的预测信息等等。在一些实现中,当时间单元按日期划分时,与该时间单元相关联的一个或多个历史时间单元例如可以通过以下方法获取:计算当前日期在其所在周中的序号(如周五),然后计算上月前28天(4 周),每个周中相应序号的日期待预测信息量值(如销售额或销售量的平均值,作为预测基准值。其中,当前日期在其所在周中的序号可以通过现有的星期计算公式,如蔡勒(Zeller)公式进行计算。以蔡勒公式为例:
wi=y+[y/4]+[c/4]-2c+[26(mi+1)/10]+d-1(i为当前时间单元的日,其取值范围可以为1,2,3,…月份中最后一天);
其中:w可以表示星期;c可以表示世纪数-1;y可以表示年份的后两位数;m可以表示月份,且m大于等于3,小于等于14,即在蔡勒公式中,某年的1、2月要看作上一年的13、14月来计算,这时c 和y均按上一年取值,比如2003年1月1日要看作2002年的13月 1日来计算;d可以表示日;[]代表取整。
算出来的w除以7的就是当前日期在一周中的序号,如果余数是 0,则为周日。
在本实施例的一些可选实现方式中,对每个时间单元,上述电子设备还可以获取与该时间单元相关联的历史时间单元产生的待预测信息量值,然后通过所获取的历史时间单元产生的待预测信息量值计算该时间单元的同比系数,然后基于与该时间单元相关联的历史时间单元产生的待预测信息量值、该时间单元的同比系数、该时间单元的时间节点系数确定该时间单元的预测信息。其中,上述同比系数可以通过以下方法计算:(与该时间单元相关联的历史时间单元产生的待预测信息量值-与该时间单元相关联的历史时间单元的前一历史单元产生的待预测信息量值)/与该时间单元相关联的历史时间单元产生的待预测信息量值。举例而言,当本实施例的信息预测方法用于预测销售量时,对于2017年5月1日这个时间单元,其同比系数可以是:(2016 年5月1日的销售量-2016年4月30日的销售量)/2016年5月1日的销售量。在一些实现中,上述电子设备可以将与该时间单元相关联的历史时间单元产生的待预测信息量值、该时间单元的同比系数、该时间单元的时间节点系数的乘积作为该时间单元的预测信息。在另一些实现中,上述电子设备可以根据与该时间单元相关联的历史时间单元产生的待预测信息量值计算预测基准值(如多个县关联历史时间单元产生的待预测信息量值的平均值等),将预测基准值、该时间单元的同比系数、该时间单元的时间节点系数的乘积作为该时间单元的预测信息。
作为一个应用场景,本实施例的信息预测的方法例如可以应用于为购物类应用的商户客户端中。该购物类应用可以运行于商户持有的终端300上。如图3a所示,通过终端300上运行的商户客户端,商户可以选择预测日期(待进行信息预测的时间段)、预测项目(待预测信息)等等,并可以手动设置促销日等。商户进行选择后,终端300首先可以获取预测日期(待进行信息预测的时间段),接着可以按照天(预定时间间隔)为单位确定预测日期(待进行信息预测的时间段)所包含的各个日期(时间单元),然后,可以对日期(时间单元),判断该日期(时间单元)是否属于促销日(预设时间段),并根据判断结果确定该日期(时间单元)的时间节点系数,接着基于各个日期(时间单元)的时间节点系数确定预测日期(所获取的时间段)的预测项目(待预测信息)。如图3b所示,为预测结果展示页面的一个示例。可选地,对每个日期(时间单元),终端300可以从本地或为该商户客户端提供支持的后台服务器获取与该日期相关联的至少一个日期(历史时间单元)产生的预测项目(待预测信息)量值,将这至少一个日期产生的预测项目(待预测信息)量值的平均值作为预测基准值,将预测基准值、时间节点系数的乘积作为该日期的预测项目(待预测信息)量值。
本实施例的信息预测的方法,由于对待进行信息预测的时间段划分为时间单元,并根据是否属于预设时间段确定各个时间单元的时间节点系数,可以充分利用历史数据,从而提高信息预测的准确性。
进一步参考图4,作为对图2所示实施例对应的信息预测的方法的实现,本申请提供了一种信息预测的装置的一个实施例。
如图4所示,本实施例的信息预测的装置400包括:获取模块401、划分模块402、确定模块403和生成模块404。其中,获取模块401 可以配置用于获取待进行信息预测的时间段;划分模块402可以配置用于按照预定时间间隔确定上述时间段所包含的时间单元;确定模块 403可以配置用于对每个时间单元,判断该时间单元是否属于预设时间段,并根据判断结果确定该时间单元的时间节点系数;生成模块404 可以配置用于基于各个时间单元的时间节点系数生成所获取的时间段的预测信息。
在本实施例的一些可选实现方式中,上述确定模块403进一步可以配置用于:判断该时间单元是否属于预设时间段;若是,确定时间节点系数为:与该时间单元相关联的历史时间单元产生的待预测信息量值与年平均产生的待预测信息量值的比值;否则,确定预测系数为预定值。
在本实施例的一些可选实现方式中,上述生成模块404可以包括:确定单元,配置用于对每个时间单元,基于该时间单元的时间节点系数确定该时间单元的预测信息;叠加单元,配置用于将各个时间单元的预测信息叠加生成所获取的时间段的预测信息。
在本实施例的一些可选实现方式中,上述确定单元403进一步配置用于:对每个时间单元,获取与该时间单元相关联的历史时间单元产生的待预测信息量值;通过所获取的历史时间单元产生的待预测信息量值计算该时间单元的同比系数,其中,上述同比系数包括:(与该时间单元相关联的历史时间单元产生的待预测信息量值-与该时间单元相关联的历史时间单元的前一历史单元产生的待预测信息量值)/ 与该时间单元相关联的历史时间单元产生的待预测信息量值;基于与该时间单元相关联的历史时间单元产生的待预测信息量值、该时间单元的同比系数、该时间单元的时间节点系数生成该时间单元的预测信息。
在本实施例的一些可选实现方式中,每个时间单元时间节点系数有多个,以及,上述生成模块404进一步配置用于:对各个时间单元,基于该时间单元的时间节点系数的乘积确定该时间单元的预测信息。
在本实施例的一些可选实现方式中,上述生成模块404还配置用于:对每个时间单元:获取与该时间单元相关联的至少一个历史时间单元产生的待预测信息量值;将上述至少一个历史时间单元产生的待预测信息量值的平均值作为预测基准值;基于上述预测基准值、上述时间节点系数确定该时间单元的预测信息。
可以理解,图4所示的信息预测装置400与图2的方法实施例流程200相对应,因此,上文对图2所示的流程200中各步骤的描述同样适用于图4的相应模块或单元,在此不再赘述。
本领域技术人员可以理解,上述信息预测的装置400还包括一些其他公知结构,例如处理器、存储器等,为了不必要地模糊本公开的实施例,这些公知的结构在图4中未示出。
下面参考图5,其示出了适于用来实现本申请实施例的终端设备/ 服务器的计算机系统500的结构示意图。图5示出的终端设备/服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508 加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中,还存储有系统500操作所需的各种程序和数据。CPU501、ROM 502以及RAM503通过总线504彼此相连。输入/ 输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、触摸屏、麦克风或扫描器等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD) 等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN 卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O 接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501 执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所涉及的非易失性计算机可读介质可以是非易失性计算机可读信号介质或者非易失性计算机可读存储介质或者是上述两者的任意组合。非易失性计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。非易失性计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器 (EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,非易失性计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括语句获取模块、划分模块、确定模块和生成模块。其中,这些模块的名称在某种情况下并不构成对该单元本身的限定,例如,获取模块还可以被描述为“配置用于获取待进行信息预测的时间段的模块”。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种信息预测的方法,其特征在于,所述方法包括:
获取待进行信息预测的时间段;
按照预定时间间隔确定所述时间段所包含的时间单元;
对每个时间单元,判断该时间单元是否属于预设时间段,并根据判断结果确定该时间单元的时间节点系数;
基于各个时间单元的时间节点系数生成所获取的时间段的预测信息。
2.根据权利要求1所述的方法,其特征在于,所述对每个时间单元,判断该时间单元是否属于预设时间段,并根据判断结果确定该时间单元的时间节点系数包括:
判断该时间单元是否属于预设时间段;
若是,确定时间节点系数为:与该时间单元相关联的历史时间单元产生的待预测信息量值与年平均产生的待预测信息量值的比值;
否则,确定时间节点系数为预定值。
3.根据权利要求1所述的方法,其特征在于,所述基于各个时间单元的时间节点系数生成所获取的时间段的预测信息包括:
对每个时间单元,基于该时间单元的时间节点系数确定该时间单元的预测信息;
将各个时间单元的预测信息叠加生成所获取的时间段的预测信息。
4.根据权利要求3所述的方法,其特征在于,所述对每个时间单元,基于该时间单元的时间节点系数确定该时间单元的预测信息包括:
对每个时间单元,
获取与该时间单元相关联的历史时间单元产生的待预测信息量值;
通过所获取的历史时间单元产生的待预测信息量值计算该时间单元的同比系数,其中,所述同比系数包括:(与该时间单元相关联的历史时间单元产生的待预测信息量值-与该时间单元相关联的历史时间单元的前一历史单元产生的待预测信息量值)/与该时间单元相关联的历史时间单元产生的待预测信息量值;
基于与该时间单元相关联的历史时间单元产生的待预测信息量值、该时间单元的同比系数、该时间单元的时间节点系数生成该时间单元的预测信息。
5.根据权利要求1所述的方法,其特征在于,每个时间单元时间节点系数有多个,以及,
所述基于各个时间单元的时间节点系数生成所获取的时间段的预测信息包括:
对各个时间单元,基于该时间单元的时间节点系数的乘积确定该时间单元的预测信息。
6.根据权利要求1所述的方法,其特征在于,所述基于各个时间单元的时间节点系数生成所获取的时间段的预测信息包括:
对每个时间单元:
获取与该时间单元相关联的至少一个历史时间单元产生的待预测信息量值;
将所述至少一个历史时间单元产生的待预测信息量值的平均值作为预测基准值;
基于所述预测基准值、所述时间节点系数确定该时间单元的预测信息。
7.一种信息预测的装置,其特征在于,所述装置包括:
获取模块,配置用于获取待进行信息预测的时间段;
划分模块,配置用于按照预定时间间隔确定所述时间段所包含的时间单元;
确定模块,配置用于对每个时间单元,判断该时间单元是否属于预设时间段,并根据判断结果确定该时间单元的时间节点系数;
生成模块,配置用于基于各个时间单元的时间节点系数生成所获取的时间段的预测信息。
8.根据权利要求7所述的装置,其特征在于,所述确定模块进一步配置用于:
判断该时间单元是否属于预设时间段;
若是,确定时间节点系数为:与该时间单元相关联的历史时间单元产生的待预测信息量值与年平均产生的待预测信息量值的比值;
否则,确定时间节点系数为预定值。
9.根据权利要求7所述的装置,其特征在于,所述生成模块包括:
确定单元,配置用于对每个时间单元,基于该时间单元的时间节点系数确定该时间单元的预测信息;
叠加单元,配置用于将各个时间单元的预测信息叠加生成所获取的时间段的预测信息。
10.根据权利要求9所述的装置,其特征在于,所述确定单元进一步配置用于:
对每个时间单元,
获取与该时间单元相关联的历史时间单元产生的待预测信息量值;
通过所获取的历史时间单元产生的待预测信息量值计算该时间单元的同比系数,其中,所述同比系数包括:(与该时间单元相关联的历史时间单元产生的待预测信息量值-与该时间单元相关联的历史时间单元的前一历史单元产生的待预测信息量值)/与该时间单元相关联的历史时间单元产生的待预测信息量值;
基于与该时间单元相关联的历史时间单元产生的待预测信息量值、该时间单元的同比系数、该时间单元的时间节点系数生成该时间单元的预测信息。
11.根据权利要求7所述的装置,其特征在于,每个时间单元时间节点系数有多个,以及,
所述生成模块进一步配置用于:
对各个时间单元,基于该时间单元的时间节点系数的乘积确定该时间单元的预测信息。
12.根据权利要求7所述的装置,其特征在于,所述生成模块还配置用于:
对每个时间单元:
获取与该时间单元相关联的至少一个历史时间单元产生的待预测信息量值;
将所述至少一个历史时间单元产生的待预测信息量值的平均值作为预测基准值;
基于所述预测基准值、所述时间节点系数确定该时间单元的预测信息。
13.一种计算设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种非易失性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710723493.5A CN107507030A (zh) | 2017-08-22 | 2017-08-22 | 信息预测的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710723493.5A CN107507030A (zh) | 2017-08-22 | 2017-08-22 | 信息预测的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107507030A true CN107507030A (zh) | 2017-12-22 |
Family
ID=60692582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710723493.5A Pending CN107507030A (zh) | 2017-08-22 | 2017-08-22 | 信息预测的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107507030A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503495A (zh) * | 2018-05-16 | 2019-11-26 | 北京京东尚科信息技术有限公司 | 用于获取信息的方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318322A (zh) * | 2014-10-11 | 2015-01-28 | 中国南方电网有限责任公司 | 基于农历日期的节假日负荷预测方法 |
CN104796560A (zh) * | 2014-01-21 | 2015-07-22 | 携程计算机技术(上海)有限公司 | 呼叫中心的呼叫量预测方法及系统 |
WO2015158149A1 (zh) * | 2014-04-17 | 2015-10-22 | 北京百度网讯科技有限公司 | 一种用于对特征信息的变化进行预测的方法和装置 |
CN105095646A (zh) * | 2015-06-29 | 2015-11-25 | 北京京东尚科信息技术有限公司 | 数据预测方法及电子设备 |
-
2017
- 2017-08-22 CN CN201710723493.5A patent/CN107507030A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104796560A (zh) * | 2014-01-21 | 2015-07-22 | 携程计算机技术(上海)有限公司 | 呼叫中心的呼叫量预测方法及系统 |
WO2015158149A1 (zh) * | 2014-04-17 | 2015-10-22 | 北京百度网讯科技有限公司 | 一种用于对特征信息的变化进行预测的方法和装置 |
CN104318322A (zh) * | 2014-10-11 | 2015-01-28 | 中国南方电网有限责任公司 | 基于农历日期的节假日负荷预测方法 |
CN105095646A (zh) * | 2015-06-29 | 2015-11-25 | 北京京东尚科信息技术有限公司 | 数据预测方法及电子设备 |
Non-Patent Citations (1)
Title |
---|
XIAOYONG LU 等: "Car Sales Volume Prediction Based on Particle Swarm Optimization Algorithm and Support Vector Regression", 《2011 FOURTH INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTATION TECHNOLOGY AND AUTOMATION》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503495A (zh) * | 2018-05-16 | 2019-11-26 | 北京京东尚科信息技术有限公司 | 用于获取信息的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9805402B1 (en) | Adaptive control of an item inventory plan | |
CN109816132A (zh) | 信息生成方法和装置 | |
CN109840734A (zh) | 信息输出方法和装置 | |
CN110400024A (zh) | 订单预测的方法、装置、设备和计算机可读存储介质 | |
CN109697522A (zh) | 一种数据预测的方法和装置 | |
CN107274209A (zh) | 预测促销活动销售数据的方法和装置 | |
CN110400184B (zh) | 用于生成信息的方法和装置 | |
CN107845016A (zh) | 信息输出方法和装置 | |
CN109685089A (zh) | 评估模型性能的系统及方法 | |
Che et al. | An efficient bicriteria algorithm for stable robotic flow shop scheduling | |
CN112184100A (zh) | 物品库存监控方法、装置、电子设备和计算机可读介质 | |
CN109978429A (zh) | 用于输出信息的方法和装置 | |
CN110109901A (zh) | 筛选目标对象的方法和装置 | |
CN107517251A (zh) | 信息推送方法和装置 | |
CN108921323A (zh) | 用于生成信息的方法和装置 | |
US20170083850A1 (en) | Systems and methods for cashier scheduling | |
JP6536028B2 (ja) | 発注計画決定装置、発注計画決定方法および発注計画決定プログラム | |
CN110866625A (zh) | 促销指标信息生成方法和装置 | |
CN110135871A (zh) | 计算用户复购期的方法和装置 | |
CN113947439A (zh) | 需求预测模型训练方法和装置、需求预测方法和装置 | |
CN110675176B (zh) | 用于生成属性预测模型的方法和装置 | |
CN112085442B (zh) | 设备操作方法、装置、电子设备和计算机可读介质 | |
CN109978421B (zh) | 信息输出方法和装置 | |
CN107507030A (zh) | 信息预测的方法和装置 | |
CN109902847A (zh) | 预测分库订单量的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171222 |