KR20210134521A

KR20210134521A - 경제 상태 예측 방법, 경제 상태 예측 모델 구축 방법 및 대응하는 장치

Info

Publication number: KR20210134521A
Application number: KR1020210056920A
Authority: KR
Inventors: 지저우 황; 하이펑 왕; 미아오 판; 하오이 씨옹; 안 주오; 잉 리; 드어징 도우
Original assignee: 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드
Priority date: 2020-04-30
Filing date: 2021-04-30
Publication date: 2021-11-10
Also published as: EP3905063A1; JP7338106B2; CN111667095A; JP2021174560A; US20210342867A1

Abstract

본 발명은 경제 상태 예측 방법, 경제 상태 예측 모델 구축 방법 및 대응하는 장치를 개시하였는 바, 빅 데이터 기술 분야에 관한 것이다. 구체적으로 실현 방안은, 맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 미래의 예측될 시간대 전의 N(N은 양의 정수임)개의 과거 시간대의 지리 위치 점 액티브 데이터를 각각 취득하는 것; 및 상기 예측될 시간대 전의 N개의 과거 시간대의 지리 위치 점 액티브 데이터의 특징 벡터를 사전에 트레이닝하여 얻은 경제 상태 예측 모델에 각각 입력하여 상기 예측될 영역의 상기 예측될 시간대에서의 경제 지표 데이터를 얻는 것을 포함한다. 본 발명은 당해 예측될 영역의 예측될 시간대에서의 경제 상태의 예측을 구현 가능하므로, 사전에 정책 수립을 위한 참고를 제공할 수 있다.

Description

경제 상태 예측 방법, 경제 상태 예측 모델 구축 방법 및 대응하는 장치 {METHOD FOR PREDICTING ECONOMIC STATE, METHOD FOR ESTABLISHING ECONOMIC STATE PREDICTION MODER AND CORRESPONDING DEVICE}

본 발명은 컴퓨터 애플리케이션 기술 분야에 관한 것인 바, 특히 빅 데이터 기술 분야에 관한 것이다.

GDP(Gross Domestic Product, 국내총생산), CPI(consumer price index, 소비자물가지수)는 경제 상황을 형상화하는 중요한 지표로서, 이상적인 상태에서는 사전에 경제 추세를 얻음으로써, 국가 또는 지역 등 관련 정책을 수립할 때 중요한 참고 자료로 사용되어야 한다. 예를 들면 최근의 코로나 19가 급속히 발생하여, 수많은 지역 및 산업의 경제가 단기적으로 다양한 정도의 충격을 받았다. 그러나 코로나 19가 발생하는 과정에서 실시간으로 거시 경제의 추세를 파악하기 어렵다.

종래 기술의 경제 상태를 취득하는 방식은 각 분기의 실제 경제 지표 통계와 같은 통계 방식으로 얻는 것이다. 그러나, 이러한 통계 방식은 앞의 각 기간의 경제 상황을 지연하여 취득할 수밖에 없으며, 정책 수립을 위한 참고를 적시에 제공할 수 없다.

이를 감안하여, 본 발명은 아래의 기술적 해결수단을 제공하여, 경제 상태의 사전 예측을 구현함으로써 지연된 통계 방식에 인한 상기 문제를 해결한다.

제1 측면에 있어서, 본 발명은 경제 상태 예측 방법을 제공하는 바, 당해 방법은,

맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 미래의 예측될 시간대 전의 N(N은 양의 정수임)개의 과거 시간대의 지리 위치 점 액티브 데이터를 각각 취득하는 것; 및

상기 예측될 시간대 전의 N개의 과거 시간대의 지리 위치 점 액티브 데이터의 특징 벡터를 사전에 트레이닝하여 얻은 경제 상태 예측 모델에 각각 입력하여 상기 예측될 영역의 상기 예측될 시간대에서의 경제 지표 데이터를 얻는 것을 포함한다.

제2 측면에 있어서, 본 발명은 경제 상태 예측 모델 구축 방법을 제공하는 바, 당해 방법은,

맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 연속적인 M(M은 1보다 큰 양의 정수임)개의 시간대의 지리 위치 점 액티브 데이터를 각각 취득하고; 또한 경제 지표 데이터 베이스에서 상기 예측될 영역에 대해 각각 상기 M개의 시간대에서의 실제 경제 지표 데이터를 취득하는 것; 및

취득한 상기 연속적인 M개의 시간대의 지리 위치 점 액티브 데이터 및 실제 경제 지표 데이터를 트레이닝 데이터로 설정하여 시계열 모델을 트레이닝하여 상기 예측될 영역에 대한 경제 상태 예측 모델을 얻는 것을 포함하고,

상기 경제 상태 예측 모델은 상기 예측될 영역의 미래의 예측될 시간대 전의 N(N은 양의 정수이고, M≥N임)개의 과거 시간대에서의 지리 위치 점 액티브 데이터에 기반하여 상기 예측될 영역의 상기 예측될 시간대에서의 경제 지표 데이터를 출력한다.

제3 측면에 있어서, 본 발명은 경제 상태 예측 장치를 더 제공하는 바, 당해 장치는,

맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 미래의 예측될 시간대 전의 N(N은 양의 정수임)개의 과거 시간대의 지리 위치 점 액티브 데이터를 각각 취득하기 위한 데이터 취득 유닛; 및

상기 예측될 시간대 전의 N개의 과거 시간대의 지리 위치 점 액티브 데이터의 특징 벡터를 사전에 트레이닝하여 얻은 경제 상태 예측 모델에 각각 입력하여 상기 예측될 영역의 상기 예측될 시간대에서의 경제 지표 데이터를 얻기 위한 예측 처리 유닛을 구비한다.

제4 측면에 있어서, 본 발명은 경제 상태 예측 모델 구축 장치를 더 제공하는 바, 당해 장치는,

맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 연속적인 M(M은 1보다 큰 양의 정수임)개의 시간대의 지리 위치 점 액티브 데이터를 각각 취득하고; 또한 경제 지표 데이터 베이스에서 상기 예측될 영역에 대해 각각 상기 M개의 시간대에서의 실제 경제 지표 데이터를 취득하기 위한 데이터 취득 유닛; 및

취득한 상기 연속적인 M개의 시간대의 지리 위치 점 액티브 데이터 및 실제 경제 지표 데이터를 트레이닝 데이터로 설정하여 시계열 모델을 트레이닝하여 상기 예측될 영역에 대한 경제 상태 예측 모델을 얻기 위한 모델 트레이닝 유닛을 구비하고,

제5 측면에 있어서, 본 발명은 전자 기기를 제공하는 바, 당해 전자 기기는,

적어도 하나의 프로세서; 및

상기 적어도 하나의 프로세서와 통신 연결된 메모리를 구비하며,

상기 메모리에는 상기 적어도 하나의 프로세서에 의해 수행 가능한 명령이 기록되어 있으며, 상기 명령이 상기 적어도 하나의 프로세서에 의해 수행되어 상기 적어도 하나의 프로세서로 하여금 상기의 방법을 실행하도록 한다.

제6 측면에 있어서, 본 발명은 컴퓨터 명령이 기록되어 있는 비 일시적 컴퓨터 판독 가능 기록 매체를 더 제공하는 바, 상기 컴퓨터 명령은 상기 컴퓨터로 하여금 상기 임의의 방법을 실행하도록 한다.

이상의 기술적 방안으로부터 알 수 있듯이, 본 발명은 예측될 영역의 예측될 시간대 전의 과거 시간대에서의 지리 위치 점 액티브 데이터를 이용하여, 당해 예측될 영역에 대해 미래의 예측될 시간대의 경제 상태의 예측을 구현할 수 있으므로, 사전에 정책 수립을 위한 참고를 제공할 수 있다.

상기 선택적인 방식이 가지는 기타 효과는 아래에서 구체적인 실시예를 참조하여 설명하기로 한다.

도면은 본 방안을 더 잘 이해하도록 하기 위한 것이며, 본 발명에 대한 한정을 이루지 않는다.
도 1은 본 발명의 실시예에 의해 제공되는 분기별 GDP, V³ 및 NVC의 시간 분포 다이어그램이다.
도 2는 본 발명의 실시예 1에 의해 제공되는 경제 상태 예측 방법의 플로우 차트이다.
도 3은 본 발명의 실시예 1에 의해 제공되는 경제 상태 예측 모델의 구조의 모식도이다.
도 4는 본 발명의 실시예 2에 의해 제공되는 경제 상태 예측 모델 구축 방법의 플로우 차트이다.
도 5는 본 발명의 실시예 2에 의해 제공되는 트레이닝 경제 상태 예측 모델의 모식도이다.
도 6은 본 발명의 실시예 3에 의해 제공되는 경제 상태 예측 장치의 구조도이다.
도 7은 본 발명의 실시예 4에 의해 제공되는 경제 상태 예측 모델 구축 구조도이다.
도 8은 본 발명의 실시예를 실현하기 위한 전자 기기의 블럭도이다.

이하, 도면을 참조하여 본 발명의 시범적인 실시예를 설명하는 바, 본 발명에 대한 이해를 돕기 위해 여기에는 본 발명 실시예의 다양한 세부 사항이 포함되며, 이러한 세부 사항을 단지 시범적인 것으로 간주해야 할 것이다. 따라서, 당업자는 본 발명의 범위 및 정신을 벗어나지 않는 전제 하에서, 여기서 설명되는 실시예에 대해 다양한 변경 및 수정을 수행할 수 있음을 인식해야 한다. 마찬가지로, 명확성 및 간결성을 위하여 이하의 설명에서는 잘 알려진 기능 및 구조의 설명을 생략하였다.

장기간의 관찰 및 연구 발견을 통해, 맵핑 애플리케이션 중에서 동일한 시간 구간 내 지리 위치 점 액티브 데이터를 취득하고, 또한 경제 지표 데이터 베이스에서 동일한 영역 동일한 시간 구간 내의 경제 지표 데이터를 취득하였으며, 통계 분석 및 비교를 통해, 지리 위치 점 액티브 데이터의 시간 분포와 경제 지표 데이터의 시간 분포 사이에 매우 강한 상관성이 있는 것을 발견하였다.

예를 들면, 중국 본토 사용자에 대한 2018년 제1 분기부터 2020년 제1 분기까지의 합계 9개의 분기 중 각 분기의 사용자가 매장을 방문한 데이터 총량을 분기별로 통계하여 장소 방문 량(V³)(Volumes of Visits to Venue)으로 기록하였고, 중국 본토의 상가가 각 분기에 신규 매장을 등록한 총량을 통계하여 NVC(New Venues Created)로 기록하였으며, 또한 중국 본토 각 분기의 실제 총 GDP를 통계하였다.

이렇게 하여 분기별 GDP, 분기 V³및 분기 NVC와 같은 3 그룹의 데이터를 얻었다. 각 그룹의 데이터는 9개의 점이 있으며, 모든 수치를 정규화한 후, 도 1에 나타낸 시간 분포 다이어그램을 얻었다. 도 1에 있어서, 가로축 중 Q1~Q4는 각각 제1 분기~제4 분기를 나타내고, 세로축은 정규화 후의 분기별 GDP, 분기 V³ 및 분기 NVC의 값을 나타낸다. 도면으로부터 GDP와 V³ 사이 및 GDP와 NVC 사이에 매우 강한 상관성이 있음을 발견할 수 있다. 피어슨 상관 계수(Pearson Correlation Coefficent) 분석을 통해, GDP와 V³ 사이의 상관 계수는 81.41%이고, GDP와 NVC 사이의 상관 계수는 82.11%로서, 강한 양의 상관 관계를 나타내고 있다.

상기 이론을 기반으로, 본 발명의 핵심 사상은 맵핑 애플리케이션 데이터 중의 지리 위치 점 액티브 데이터를 이용하여 미래의 시간대의 경제 상태 데이터를 예측하는 것이다. 이하, 실시예와 결합하여 본 발명에 의해 제공되는 방법 실행을 상세히 설명한다.

실시예 1

도 2는 본 발명의 실시예 1에 의해 제공되는 경제 상태 예측 방법의 플로우 차트이며, 본 방법을 수행하는 장치는 컴퓨터 디바이스 또는 서버일 수 있으며, 당해 컴퓨터 디바이스 또는 서버는 맵핑 서버로부터 맵핑 애플리케이션에 의해 유지되는 데이터를 취득할 수 있다. 본 방법을 수행하여 예측으로 얻은 경제 지표 데이터는 본 컴퓨터 디바이스 또는 서버에 표시될 수 있으며, 기타 디바이스에 출력되어 표시될 수도 있다. 도 2에 나타낸 바와 같이, 당해 방법은 이하의 단계를 포함할 수 있다.

201에 있어서, 맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 예측될 시간대 전의 N개의 과거 시간대의 지리 위치 점 액티브 데이터를 각각 취득하며, 상기 N은 양의 정수이다.

본 발명에 언급된 “지리 위치 점”은 맵핑 애플리케이션 데이터 중의 지리 위치 점을 의미하고, 당해 지리 위치 점은 사용자의 의해 검색 및 조회될 수 있으며, 사용자에게 추천할 수 있다. 이러한 지리 위치 점은 위도와 경도, 명칭, 행정 주소, 유형 등 기본 속성이 있다. 여기서 지리 위치 점은 POI(Point Of Interest, 관심 점), AOI(Area of Interest, 관심 면), ROI(Regin of Interest, 관심 영역) 등을 포함할 수 있으나 이에 한정되지 않는다.

지리 위치 점 액티브 데이터는 지리 위치 점의 액티브 상태를 반영하는 데이터를 의미하는 바, 주요하게 사용자가 상업 형 지리 위치 점을 방문한 데이터, 신규 추가 상업 형 지리 위치 점의 데이터, 사용자 상업 형 지리 위치 점을 검색한 데이터 및 유효 상업 형 지리 위치 점의 데이터 중 적어도 하나를 포함한다. 상업 형 지리 위치 점의 경제 행위와의 상관성이 더 크므로, 본 발명에 있어서, 주요하게 상업 형 지리 위치 점에 관련된 액티브 데이터를 채용하였다. 상업 형 지리 위치 점은 예를 들면 쇼핑몰, 슈퍼마켓, 매장, 은행, 회사, 호텔, 명승지 등 물리적 상점이 있는 지리 위치 점일 수 있다. 이외에도 병원, 학교 등에 관련된 데이터와 같은 비상업 형 지리 위치 점에 관련된 액티브 데이터를 추가할 수도 있다.

사용자가 상업 형 지리 위치 점을 방문한 데이터는 사용자가 상업 형 물리적 상점을 방문한 횟수, 시간, 방문 시간 길이, 빈도 등 정보를 포함할 수 있다.

신규 추가 상업 형 지리 위치 점의 데이터는 예를 들면 신규 매장의 수량, 시간 등일 수 있다.

사용자 상업 형 지리 위치 점을 검색한 데이터는 사용자가 맵핑 애플리케이션 상에서 상업 형 지리 위치 점을 검색하는 횟수, 시간, 빈도 등 정보를 포함할 수 있다.

유효 상업 형 지리 위치 점의 데이터는 맵핑 애플리케이션에 의해 유지되는 액티브 상태에 있는 상업 형 지리 위치 점의 수량, 위치 등 정보일 수 있다. 소위 액티브 상태란 당해 상업 형 지리 위치 점이 정상적으로 영업하고 있으며, 정상적으로 방문할 수 있음을 의미한다.

본 발명에 언급된 예측될 영역은 행정 구역에 따라 구분할 수도 있고, 지리 위치 상의 영역에 따라 구분할 수도 있다. 그러나, 일반적으로 경제 상태의 모니터링 및 계획은 행정 구역에 따라 수행되므로, 바람직하게는 행정 구역에 따라 구분하는 방식을 채용한다. 예를 들면, 예측될 영역은 하나의 국가, 하나의 성, 하나의 도시 등일 수 있다.

또한, 본 발명의 실시예의 목적은 예측될 영역의 미래의 예측될 시간대에서의 경제 상황을 예측하는데 있으며, 예측될 시간대 전의 과거 시간대의 지리 위치 점 액티브 데이터를 사용한다. 여기서, 과거 시간대의 시간 길이는 사전에 설정한 값을 채용할 수 있는바, 예를 들면 어느 성의 미래의 1년의 경제 상태를 예측할 경우, 당해 성의 현재 1년 및 전의 9년(합계 10년)의 지리 위치 점 액티브 데이터를 채용할 수 있다. 또한 예를 들면 어느 성 미래의 한 달의 경제 상태를 예측할 경우, 당해 성의 현재 한 달 및 전의 아홉 달(합계 열 달)의 지리 위치 점 액티브 데이터를 채용할 수 있다. 현재 시간대의 지리 위치 점 액티브 데이터를 이미 얻을 수 있으므로, 현재 시간대를 미래의 예측될 시간대의 과거 시간대로 간주할 수 있다.

202에 있어서, 예측될 시간대 전의 N개의 과거 시간대의 지리 위치 점 액티브 데이터의 특징 벡터를 사전에 트레이닝하여 얻은 경제 상태 예측 모델에 각각 입력하여 예측될 영역의 예측될 시간대에서의 경제 지표 데이터를 얻는다.

본 단계에 있어서, 상기 각 과거 시간대의 지리 위치 점 액티브 데이터의 특징 벡터를 각각 확정하는바, 즉 N개의 특징 벡터를 확정한다. 미래의 예측될 시간대를 t+1로 표현하고, 현재 시간대의 지리 위치 점 액티브 데이터의 특징 벡터를 x_t로 표현하며, 전의 N-1개 과거 시간대의 지리 위치 점 액티브 데이터의 특징 벡터를

로 각각 표현하고,

를 경제 상태 예측 모델에 입력하는 것으로 가정한다.

지리 위치 점 액티브 데이터의 특징 벡터는 다양한 유형의 지리 위치 점 액티브 데이터를 포함할 수 있으며, 각 유형의 지리 위치 점 액티브 데이터를 하나의 벡터로 통합하는 형식으로 표현한다.

본 발명의 실시예의 경제 상태 예측 모델은 시계열 모델을 채용하여 사전에 지리 위치 점 액티브 데이터의 시간 분포와 경제 지표 데이터의 시간 분포 사이의 양의 상관 관계를 구축하였다. 후속의 실시예 2를 통해 경제 상태 예측 모델의 트레이닝 과정을 상세히 설명한다.

경제 상태 예측 모델이 출력한 경제 지표 데이터는 GDP, PMI(Purchasing Managers' Index, 구매관리자지수) 및 CPI 중 적어도 하나를 포함할 수 있다. 벡터의 형식으로 출력할 수 있으며, 예측될 시간대를 t+1로 표현하면, 예측될 시간대의 경제 지표 데이터의 벡터는 y_t+1로 표현할 수 있다.

이하, 본 실시예에 의해 제공되는 경제 상태 예측 모델의 구조 실행을 상세히 설명한다. 도 3에 나타낸 바와 같이, 경제 상태 예측 모델은 입력 계층(input layer), 임베딩 계층(embedded layer) 및 예측 계층(prediction layer)을 구비할 수 있다.

입력 계층은 예측될 시간대 전의 N개의 과거 시간대의 지리 위치 점 액티브 데이터의 특징 벡터 표현을 임베딩 계층에 출력한다. 도 3에 나타낸 바와 같이,

를 임베딩 계층에 출력한다.

임베딩 계층은 입력된

번째 시간대의 지리 위치 점 액티브 데이터의 특징 벡터 x_i와 i-1 번째 시간대에 대응하는 임베딩 계층 벡터 h_i-1에 대해 가중치 부여 처리를 실행한 후, i번째 시간대에 대응하는 임베딩 계층 벡터 h_i를 얻되, 상기 i번째 시간대는 시간 순서에 따라 상기 N개의 과거 시간대 중의 각 시간대를 각각 취하며; 또한 예측될 시간대 전의 하나의 시간대에 대응하는 임베딩 계층 벡터를 가중치 계수로 곱한 후, 예측될 시간대에 대응하는 임베딩 계층 벡터를 얻는다.

임베딩 계층에 있어서, 예측될 시간대 전의 시계열에 따라 입력된 각 시간대의 특징 벡터에 대해(즉 현재 시간대 및 현재 시간대 전의 N-1개 시간대에 대해) 임베딩 계층 벡터를 각각 계산하며, 하나의 시간대에 대응하는 임베딩 계층 벡터는 당해 시간대의 입력 벡터 x_i에 관련되는 것 이외에, 전의 하나의 시간대 i-1의 임베딩 계층 벡터 h_i-1와도 관련된다. 구체적인 계산 방식은 아래와 같을 수 있다.

(1)

여기서,

는 매개 변수 행렬인바, x_i를 변환하여 차원이 임베딩 계층 벡터의 차원과 일치하도록 하기 위해 사용되며, k는 x_i의 차원이고,

는 임베딩 계층 벡터의 차원이다. λ_i는 가중치 계수인바, 입력된 특징 벡터 x_i와 관련되며, 이하의 계산식을 채용할 수 있다.

(2)

여기서, w는 k차원의 매개 변수 벡터이며, b는 스칼라이다.

(0,1)는 스칼라이다.

예측될 시간대 t+1의 경우, 그 임베딩 계층 벡터는 전의 하나의 시간대에 대응하는 임베딩 계층 벡터에만 관련된다. 구체적인 계산 방식은 아래와 같을 수 있다.

(3)

여기서,

도 상기 계산식(2)을 이용하여 계산하며, 단지 이 때의 벡터 중의 각 값 모두 0이 취해진다.

임베딩 계층은 각 시간대에 대해 모두 시계열에 따라 대응하는 임베딩 계층 벡터를 순차적으로 계산한다.

예측 계층은 예측될 시간대에 대응하는 임베딩 계층 벡터에 기반하여 예측될 시간대의 경제 지표 데이터를 매핑하여 얻는다.

도 3에 나타낸 바와 같이, 예측될 시간대를 t+1로 표현하면, 예측될 시간대의 경제 지표 데이터의 벡터 표현

는 이하의 계산식을 통해 얻는다：

(4)

여기서,

의 벡터 차원은 m이고, 매개 변수 행렬 V의 차원은

이다.

상기의

, V, w 및 b는 모두 경제 상태 예측 모델의 모델 매개 변수인바, 모델 트레이닝 과정에서 사전에 트레이닝하여 얻어진다.

또한, 예측될 지역의 예측될 시간대에서의 경제 상태를 예측할 경우, 산업에 따라 구분할 수도 있는데, 예를 들면 예측될 지역의 예측될 시간대에서의 어느 산업의 경제 상태를 예측한다. 그러면, 지리 위치 점 액티브 데이터를 취득할 때, 당해 산업에 관련된 지리 위치 점 액티브 데이터만을 취득한다. 다시 말하면, 지리 위치 점 유형을 산업과 관련시킬 수 있다. 예를 들면, 관광 산업의 경제 상태를 예측할 경우, 예를 들면 호텔, 게스트 하우스, 명승지 등 유형의 지리 위치 점 액티브 데이터를 취득할 수 있다. 예를 들면, 소매업의 경제 상태를 예측할 경우, 예를 들면 쇼핑몰, 슈퍼마켓, 편의점 등 유형의 지리 위치 점 액티브 데이터를 취득할 수 있다.

본 실시예에 의해 제공되는 방식을 통해 예를 들면 이하의 응용 시나리오를 실현할 수 있다.

시나리오 1

현재는 2020년 4월달이며, 어느 성의 2019년 7월달~2020년 4월달의 V³ 데이터, NVC 데이터 등 지리 위치 점 액티브 데이터를 수집하여, 사전에 당해 성에 대해 구축한 경제 상태 예측 모델에 입력함으로써, 당해 성의 2020년 5월달의 GDP 지표를 예측하여 얻을 수 있다. 따라서 5월달이 지난 후, 경제 데이터를 통계하는 방식으로 지연된 GDP 지표를 취득할 필요가 없다.

시나리오 2

현재는 2020년 4월달이며, 전 중국의 2019년 7월달~2020년 4월달의 호텔, 게스트 하우스, 명승지, 음식점 등 유형의 V³데이터, NVC 데이터를 수집하여, 사전에 전 중국에 대해 구축한 경제 상태 예측 모델에 입력함으로써, 전 중국의 2020년 5월달의 관광 산업에서 발생한 GDP를 예측하여 얻을 수 있다.

실시예 2

도 4는 본 발명의 실시예 2에 의해 제공되는 경제 상태 예측 모델 구축 방법의 플로우 차트이며, 도 4에 나타낸 바와 같이, 당해 방법은 이하의 단계를 포함할 수 있다.

401에 있어서, 맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 연속적인 M개의 시간대의 지리 위치 점 액티브 데이터를 각각 취득하고; 또한 경제 지표 데이터 베이스에서 예측될 영역에 대해 각각 당해 M개의 시간대에서의 실제 경제 지표 데이터를 취득하며, 여기서 M은 1보다 큰 양의 정수이다.

경제 상태 예측 모델이 구체적인 영역에 대해 구축한 것이므로, 트레이닝 데이터를 취득할 때, 예측될 지리 위치 점 액티브 데이터 및 실제 경제 지표 데이터를 취득하여 트레이닝 데이터로 설정할 필요가 있다.

맵핑 애플리케이션 데이터는 맵핑 애플리케이션의 서버 또는 데이터 베이스에서 취득 또는 조달할 수 있으며, 실제 경제 지표 데이터는 경제 지표 데이터 베이스에서 취득할 수 있다. 당해 경제 지표 데이터 베이스에는 각 지역의 각 시간대의 실제의 경제 지표 데이터가 기록되어 있을 수 있으며, 당해 실제의 경제 지표 데이터는 경제 데이터에 기반하여 통계하여 얻어진 실제 데이터일 수 있다.

실시예 1과 마찬가지로, 지리 위치 점 액티브 데이터는 지리 위치 점의 액티브 상태를 반영하는 데이터를 의미하는 바, 주요하게 사용자가 상업형 지리 위치 점을 방문한 데이터, 신규 추가 상업 형 지리 위치 점의 데이터, 사용자 상업 형 지리 위치 점을 검색한 데이터 및 유효 상업 형 지리 위치 점의 데이터 중 적어도 하나를 포함한다.

경제 상태 예측 모델이 출력한 경제 지표 데이터는 GDP, PMI 및 CPI 중 적어도 하나를 포함할 수 있다.

예측될 영역은 행정 구역에 따라 구분할 수도 있고, 지리 위치 상의 영역에 따라 구분할 수도 있다. 그러나, 일반적으로 경제 상태의 모니터링 및 계획은 행정 구역에 따라 수행되므로, 바람직하게는 행정 구역에 따라 구분하는 방식을 채용한다. 예를 들면, 예측될 영역은 하나의 국가, 하나의 성, 하나의 도시 등일 수 있다.

실제 사용 과정에서, 모델을 구축할 때 사용하는 지리 위치 점 액티브 데이터 및 경제 지표 데이터의 유형은, 모델을 사용하여 예측할 때 사용하는 지리 위치 점 액티브 데이터 및 경제 지표 데이터의 유형과 일치해야 한다. 모델을 구축할 때 대상으로 하는 영역도 예측할 때 대상으로 하는 영역과 일치해야 한다.

예를 들면, 전국의 2018년 1월부터 11월까지의 V³데이터, NVC 데이터 및 GDP 데이터를 하나의 트레이닝 데이터로 설정하고, 전국의 2018년 2월부터 12월까지의 V³데이터, NVC 데이터 및 GDP 데이터를 하나의 트레이닝 데이터로 설정하며, 전국의 2018년 3월부터 2019년 1월까지의 V³데이터, NVC 데이터 및 GDP 데이터를 하나의 트레이닝 데이터로 설정한다. 복수의 트레이닝 데이터를 구성할 수 있다.

402에 있어서, 취득한 연속적인 M개의 시간대의 지리 위치 점 액티브 데이터 및 실제 경제 지표 데이터를 트레이닝 데이터로 설정하여 시계열 모델을 트레이닝하여 상기 예측될 영역에 대한 경제 상태 예측 모델을 얻는다.

트레이닝 과정은 실제 상 경제 상태 예측 모델이 트레이닝 과정에서 지리 위치 점 액티브 데이터의 시간 분포와 경제 지표 데이터의 시간 분포 사이의 양의 상관 관계를 학습하는 것이다.

마찬가지로, 도 5에 나타낸 바와 같이, 경제 상태 예측 모델이 채용하는 시계열 모델은 입력 계층, 임베딩 계층 및 예측 계층을 구비할 수 있다.

입력 계층은 트레이닝 데이터 중의 각 시간대의 지리 위치 점 액티브 데이터의 특징 벡터를 임베딩 계층에 출력한다.

경제 상태 예측 모델을 트레이닝할 때, 트레이닝 데이터가 이용하는 시간대의 개수는 당해 모델을 사용하여 예측할 때 사용하는 시간대 개수와 일치해야 한다. 실시예 1에 기재된 예측을 구현하려면, 각 트레이닝 샘플의 시간대 개수가 N+1인바, 즉 N+1개의 연속적인 시간대의 지리 위치 점 액티브 데이터 및 실제 경제 지표 데이터를 하나의 트레이닝 샘플로 설정한다. N개의 연속적인 시간대의 지리 위치 점 액티브 데이터를 이용하여 N+1번째 시간대의 경제 지표 데이터를 예측하므로, 도 5에 나타낸 바와 같이, N개의 시간대의 입력 특징 벡터의 경우, 첫 번째부터 N번째는 x₁, ..., x_n로 각각 표현될 수 있다. 시계열에 따라 각각 임베딩 계층에 출력한다.

임베딩 계층은 i번째 시간대의 지리 위치 점 액티브 데이터의 특징 벡터 x_i와 i-1번째 시간대에 대응하는 임베딩 계층 벡터 h_i-1에 대해 가중치 부여 처리를 실행한 후, i번째 시간대에 대응하는 임베딩 계층 벡터 h_i를 얻되, i번째 시간대는 시간 순서에 따라 각각 트레이닝 데이터 중의 목표 시간대 전의 각 시간대가 취해지며; 또한 목표 시간대 전의 하나의 시간대에 대응하는 임베딩 계층 벡터를 가중치 계수로 곱한 후, 목표 시간대에 대응하는 임베딩 계층 벡터를 얻는다.

위에서 이미 하나의 트레이닝 샘플은 N+1개 시간대 샘플을 포함하고, 트레이닝할 때에는 하나의 트레이닝 샘플 중의 전의 N개의 시간대의 지리 위치 점 액티브 데이터를 사용하며, 목표 시간대는 N+1번째 시간대인 것으로 설명하였다.

여기서, 전의 N개의 시간대에 대응하는 h_i및 λ_i의 계산 방법은 실시예 1 중의 계산식(1) 및 계산식(2)을 참조할 수 있는바, 여기서 더 이상 설명하지 않는다.

N+1 번째 시간대 즉 목표 시간대의 h_i의 계산 방법은 실시예 1 중의 계산식(3)을 채용할 수 있다.

각 시간대의 경우, 모두 대응하는 임베딩 계층 벡터를 계산하여, 예측 계층에 출력할 수 있다.

예측 계층은 목표 시간대에 대응하는 임베딩 계층 벡터에 기반하여 목표 시간대의 경제 지표 데이터를 매핑하여 얻는다.

목표 시간대에 대응하는 경제 지표 데이터 y_n+1는 이하의 계산식을 채용할 수 있다.

(5)

여기서, V의 함의는 실시예 1의 계산식(4) 중의 함의와 동일한바, 반복적으로 설명하지 않는다.

목표 시간대외의 전의 기타 시간대의 경제 지표 데이터의 경우에도, 계산식(5)의 방식으로 계산하여 얻을 수 있다. 차이점이라면 단지 목표 시간대와 기타 시간대에 대해 임베딩 계층에서 임베딩 계층 벡터를 계산하는 방식만이 서로 다를뿐이다.

계산을 통해 각 시간대(예측될 시간대를 포함함)에 대해 모두 예측 계층에 의해 예측된 경제 지표 데이터를 계산하여 얻을 수 있다. 트레이닝 데이터 중의 각 시간대는 모두 실제 경제 지표 데이터를 포함한다. 따라서, 모델 트레이닝 과정에서 예측 계층에 의해 얻어진 경제 지표 데이터와 트레이닝 데이터 중의 대응하는 실제 경제 지표 데이터 사이의 차이 값을 최소화할 수 있다.

상기 차이 값을 이용하여 손실 함수를 구성할 수 있으며, 손실 함수의 값을 이용하여 모델 매개 변수를 최적화한다, 여기서 언급된 모델 매개 변수는

, V, w 및 b를 포함할 수 있다. 구체적으로, 예측 계층은 각 시간대에 대해 예측한 경제 지표 데이터를 출력하게 되는바, 즉 각 시간대는 모두 하나의 손실 함수를 얻으며, 각 시간대의 손실 함수의 값을 이용하여 모델 매개 변수를 최적화한다. 트레이닝이 종료된 후는 도 3에 나타낸 경제 상황 예측 모델을 얻을 수 있다.

이상은 본 발명에 의해 제공되는 방법에 대한 상세한 설명이며, 이하 실시예에 결합시켜 본 발명에 의해 제공되는 장치를 상세히 설명한다.

실시예 3

도 6은 본 발명의 실시예 3에 의해 제공되는 경제 상태 예측 장치의 구조도이다. 당해 장치는 컴퓨터 디바이스에 위치한 애플리케이션이거나, 컴퓨터 디바이스의 애플리케이션에 위치한 플러그인 또는 소프트웨어 개발 키트(Software Development Kit, SDK) 등의 기능 유닛일 수 있으며, 서버 측에 위치할 수도 있는바, 본 발명 실시예는 이에 대해 특히 한정하지 않는다. 당해 장치는 데이터 취득 유닛(01) 및 예측 처리 유닛(02)을 구비한다. 여기서 각 구성 유닛의 주요 기능은 아래와 같다.

데이터 취득 유닛(01)은 맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 예측될 시간대 및 예측될 시간대 전의 N개의 과거 시간대의 지리 위치 점 액티브 데이터를 각각 취득하되, N은 양의 정수이다.

예측 처리 유닛(02)은 맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 미래의 예측될 시간대 전의 N개의 과거 시간대의 지리 위치 점 액티브 데이터를 각각 취득하되, N은 양의 정수이다.

여기서, 경제 상태 예측 모델이 시계열 모델을 채용하여 지리 위치 점 액티브 데이터의 시간 분포와 경제 지표 데이터의 시간 분포 사이의 양의 상관 관계를 구축하였다.

구체적으로, 경제 상태 예측 모델은 입력 계층, 임베딩 계층 및 예측 계층을 포함한다.

입력 계층은 예측될 시간대 전의 N개의 과거 시간대의 지리 위치 점 액티브 데이터의 특징 벡터 표현을 임베딩 계층에 출력한다.

임베딩 계층은 입력된 i번째 시간대의 지리 위치 점 액티브 데이터의 특징 벡터 x_i와 t-1번째 시간대에 대응하는 임베딩 계층 벡터 h_i-1에 대해 가중치 부여 처리를 실행한 후, i번째 시간대에 대응하는 임베딩 계층 벡터 h_i를 얻되, 상기 i번째 시간대는 시간 순서에 따라 상기 N개의 과거 시간대 중의 각 시간대를 각각 취하며; 또한 상기 예측될 시간대 전의 하나의 시간대에 대응하는 임베딩 계층 벡터를 가중치 계수로 곱한 후, 상기 예측될 시간대에 대응하는 임베딩 계층 벡터를 얻는다.

지리 위치 점 액티브 데이터는 사용자가 상업 형 지리 위치 점을 방문한 데이터, 신규 추가 상업 형 지리 위치 점의 데이터, 사용자 상업 형 지리 위치 점을 검색한 데이터 및 유효 상업 형 지리 위치 점의 데이터 중 적어도 하나를 포함한다.

경제 지표 데이터는 GDP, PMI 및 CPI 중 적어도 하나를 포함한다.

당해 장치는 예측될 지역의 예측될 시간대에서의 경제 상태를 예측할 경우, 산업에 따라 구분할 수도 있는데, 예를 들면 예측될 지역의 예측될 시간대에서의 어느 산업의 경제 상태를 예측한다. 이 경우, 데이터 취득 유닛(01)은 지리 위치 점 액티브 데이터를 취득할 때, 당해 산업에 관련된 지리 위치 점 액티브 데이터만을 취득한다. 다시 말하면, 지리 위치 점 유형을 산업과 관련시킬 수 있다. 예를 들면, 관광 산업의 경제 상태를 예측할 경우, 예를 들면 호텔, 게스트 하우스, 명승지 등 유형의 지리 위치 점 액티브 데이터를 취득할 수 있다. 예를 들면, 소매업의 경제 상태를 예측할 경우, 예를 들면 쇼핑몰, 슈퍼마켓, 편의점 등 유형의 지리 위치 점 액티브 데이터를 취득할 수 있다.

실시예 4

도 7은 본 발명의 실시예 4에 의해 제공되는 경제 상태 예측 모델 구축 구조도인 바, 당해 장치는 컴퓨터 디바이스에 위치한 애플리케이션이거나, 컴퓨터 디바이스의 애플리케이션에 위치한 플러그인 또는 소프트웨어 개발 키트(Software Development Kit, SDK) 등의 기능 유닛일 수 있으며, 서버 측에 위치할 수도 있는바, 본 발명 실시예는 이에 대해 특히 한정하지 않는다. 당해 장치는 데이터 취득 유닛(11) 및 모델 트레이닝 유닛(12)을 구비한다. 여기서 각 구성 유닛의 주요 기능은 아래와 같다.

데이터 취득 유닛(11)은 맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 연속적인 M개의 시간대의 지리 위치 점 액티브 데이터를 각각 취득하고; 또한 경제 지표 데이터 베이스에서 예측될 영역에 대해 각각 M개의 시간대의 실제 경제 지표 데이터를 취득하되, M은 1보다 큰 양의 정수이다.

모델 트레이닝 유닛(12)은 취득한 연속적인 M개의 시간대의 지리 위치 점 액티브 데이터 및 실제 경제 지표 데이터를 트레이닝 데이터로 설정하여 시계열 모델을 트레이닝하여 예측될 영역에 대해의 경제 상태 예측 모델을 얻는다.

경제 상태 예측 모델은 예측될 영역의 미래의 예측될 시간대 전의 N개의 과거 시간대에서의 지리 위치 점 액티브 데이터에 기반하여, 출력 예측될 영역의 예측될 시간대에서의 경제 지표 데이터를 출력하며, N은 양의 정수이고, M≥N이다.

여기서, 경제 상태 예측 모델은 트레이닝 과정에서 지리 위치 점 액티브 데이터의 시간 분포와 경제 지표 데이터의 시간 분포 사이의 양의 상관 관계를 학습한다.

구체적으로, 경제 상태 예측 모델은 입력 계층, 임베딩 계층 및 예측 계층을 구비할 수 있다.

입력 계층은 트레이닝 데이터 중에서 복수의 시간대를 선택하여 각각 목표 시간대로 설정하고, 트레이닝 데이터 중의 각 시간대의 지리 위치 점 액티브 데이터의 특징 벡터를 임베딩 계층에 출력한다.

임베딩 계층은 i번째 시간대의 지리 위치 점 액티브 데이터의 특징 벡터 x_i와 i-1번째 시간대에 대응하는 임베딩 계층 벡터 h_i-1에 대해 가중치 부여 처리를 실행한 후, i번째 시간대에 대응하는 임베딩 계층 벡터 h_i를 얻되, 상기 i번째 시간대는 시간 순서에 따라 상기 트레이닝 데이터 중의 목표 시간대 전의 각 시간대를 각각 취하며; 또한 상기 목표 시간대 전의 하나의 시간대에 대응하는 임베딩 계층 벡터를 가중치 계수로 곱한 후, 상기 목표 시간대에 대응하는 임베딩 계층 벡터를 얻는다.

경제 상태 예측 모델의 트레이닝 목표는 예측 계층에 의해 얻어진 경제 지표 데이터와 트레이닝 데이터 중의 대응하는 실제 경제 지표 데이터 사이의 차이 값을 최소화하는 것이다.

또한, 예측 계층에 있어서 목표 시간대 외에, 기타 시간대에 대해서도 각 시간대에 대응하는 임베딩 계층 벡터에 기반하여 각 시간대의 경제 지표 데이터를 매핑하여 얻을 수 있다. 다시 말하면, 각 시간대(목표 시간대를 포함함)는 모두 예측 계층에 의해 예측된 경제 지표 데이터를 계산하여 얻을 수 있다. 트레이닝 데이터 중의 각 시간대는 모두 실제 경제 지표 데이터를 포함한다. 따라서, 모델 트레이닝 과정에서 예측 계층에 의해 얻어진 경제 지표 데이터와 트레이닝 데이터 중의 대응하는 실제 경제 지표 데이터 사이의 차이 값을 최소화할 수 있다. 구체적으로, 예측 계층은 각 시간대에 대해 예측한 경제 지표 데이터를 출력하게 되는바, 즉 각 시간대는 모두 하나의 손실 함수를 얻으며, 각 시간대의 손실 함수의 값을 이용하여 모델 매개 변수를 최적화한다. 트레이닝이 종료된 후 도 3에 나타낸 경제 상황 예측 모델을 얻을 수 있다.

상기 지리 위치 점 액티브 데이터는 사용자가 상업 형 지리 위치 점을 방문한 데이터, 신규 추가 상업 형 지리 위치 점의 데이터, 사용자 상업 형 지리 위치 점을 검색한 데이터 및 유효 상업 형 지리 위치 점의 데이터 중 적어도 하나를 포함한다.

경제 지표 데이터는 국내총생산(GDP), 구매관리자지수(PMI) 및 소비자물가지수(CPI) 중 적어도 하나를 포함한다.

본 발명의 실시예에 따르면, 본 발명은 전자 기기 및 판독 가능 기록 매체를 더 제공한다.

도 8은 본 발명의 실시예에 따른 경제 상태 예측 방법 및 경제 상태 예측 모델 구축 방법의 전자 기기의 블럭도이다. 전자 기기는 예를 들면 랩톱 컴퓨터, 데스크톱 컴퓨터, 워크 스테이션, 개인 디지털 보조기, 서버, 블레이드 서버, 대형 컴퓨터 및 기타 적합한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 나타낸다. 전자 기기는 또한 예를 들면 개인 디지털 처리기, 셀폰, 스마트 전화, 웨어러블 기기 및 기타 유사한 계산 장치와 같은 다양한 형태의 모바일 장치를 나타낼 수 있다. 본 명세서에 나타낸 구성 요소, 이들의 연결과 관계 및 이들의 기능은 단지 예일뿐이며, 본 명세서에서 설명하거나 및/또는 요구하는 본 발명의 실현을 한정하려는 것이 아니다.

도 8에 나타낸 바와 같이, 당해 전자 기기는 하나 또는 복수의 프로세서(801), 메모리(802) 및 각 구성 요소를 연결하기 위한 인터페이스를 구비하며, 당해 인터페이스는 고속 인터페이스 및 저속 인터페이스를 포함한다. 각 구성 요소는 서로 다른 버스를 통해 상호 연결되며, 공통 마더 보드에 설치되거나 또는 수요에 따라 기타 방식으로 설치된다. 프로세서 전자 기기 내에서 수행되는 명령에 대해 처리를 실행할 수 있으며, 메모리 내에 기록되어 외부 입력/출력 장치 （예를 들면 인터페이스에 연결된 디스플레이 기기） 상에 GUI의 그래픽 정보를 표시하기 위한 명령을 포함한다. 기타 실시 방식에 있어서, 필요할 경우, 복수의 프로세서 및/또는 복수의 버스와 복수의 메모리를 함께 사용할 수 있다. 마찬가지로, 복수의 전자 기기를 연결할 수 있으며, 각 기기는 부분적인 필요한 조작 （예를 들면, 서버 어레이, 일 그룹의 블레이드 서버, 또는 다중 프로세서 시스템）을 제공한다. 도 8에서는 하나의 프로세서(801)의 예를 들었다.

메모리(802)는 본 발명에 의해 제공되는 비 일시적 컴퓨터 판독 가능 기록 매체이다. 여기서, 상기 메모리에는 적어도 하나의 프로세서에 의해 수행 가능한 명령이 기록되어 있으며, 상기 적어도 하나의 프로세서로 하여금 본 발명에 의해 제공되는 경제 상태 예측 방법 및 경제 상태 예측 모델 구축 방법을 수행하도록 한다. 본 발명의 비 일시적 컴퓨터 판독 가능 기록 매체는 컴퓨터 명령을 기록하며, 당해 컴퓨터 명령은 컴퓨터로 하여금 본 발명에 의해 제공되는 경제 상태 예측 방법 및 경제 상태 예측 모델 구축 방법을 수행하도록 한다.

메모리(802)는 일종의 비 일시적 컴퓨터 판독 가능 기록 매체로서, 비 일시적 소프트웨어 프로그램을 기록하는데 사용될 수 있는 바, 예를 들면 비 일시적 컴퓨터 수행 가능 프로그램 및 모듈, 본 발명 실시예 중의 경제 상태 예측 방법 및 경제 상태 예측 모델 구축 방법 대응하는 프로그램 명령/모듈을 기록하는데 사용될 수 있다. 프로세서(801)는 메모리(802) 내에 기록된 비 일시적 소프트웨어 프로그램, 명령 및 모듈을 운행함으로써, 서버의 다양한 기능 응용 및 데이터 처리를 수행하는 바, 즉 상술한 방법 실시예 중의 경제 상태 예측 방법 및 경제 상태 예측 모델 구축 방법을 실현한다.

메모리(802)는 프로그램 기록 영역 및 데이터 기록 영역을 포함할 수 있으며, 여기서, 프로그램 기록 영역은 운영 체제 및 적어도 하나의 기능에 필요한 응용 프로그램을 기록할 수 있고, 데이터 기록 영역은 경제 상태 예측 방법 및 경제 상태 예측 모델 구축 방법을 실현하는 전자 기기의 사용을 통해 생성된 데이터 등을 기록할 수 있다. 또한, 메모리(802)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 비 일시적 메모리를 더 포함할 수 있는 바, 예를 들면 적어도 하나의 자기 디스크 저장 장치, 플래시 장치, 또는 기타 비 일시적 고체 저장 장치를 포함할 수 있다. 일부 실시예에 있어서, 메모리(802)는 선택적으로 프로세서(801)에 대해 원격 설치한 메모리를 포함할 수 있으며, 이러한 원격 메모리는 네트워크를 통해 경제 상태 예측 방법 및 경제 상태 예측 모델 구축 방법을 실현하는 전자 기기에 연결될 수 있다. 상술한 네트워크의 실예는 인터넷, 기업 인트라 넷, 근거리 통신망, 이동 통신 네트워크 및 이들의 조합을 포함하나 이에 한정되지 않는다.

경제 상태 예측 방법 및 경제 상태 예측 모델 구축 방법을 실현하는 전자 기기는 입력 장치(803) 및 출력 장치(804)를 더 포함할 수 있다. 프로세서(801), 메모리(802), 입력 장치(803) 및 출력 장치(804)는 버스 또는 기타 방식을 통해 연결될 수 있으며, 도 8에서는 버스를 통해 연결하는 예를 들었다.

입력 장치(803)는 입력된 디지털 또는 문자 정보를 수신하고, 또한 경제 상태 예측 방법 및 경제 상태 예측 모델 구축 방법을 실현하는 전자 기기의 사용자 설정 및 기능 제어에 관한 키 신호 입력을 생성할 수 있다. 예를 들면 터치 스크린, 키패드, 마우스, 트랙 패드, 터치 패드, 포인팅 스틱, 하나 또는 복수의 마우스 버튼, 트랙볼, 조이스틱 등 입력 장치를 포함할 수 있다. 출력 장치(804)은 디스플레이 기기, 보조 조명 장치 （예를 들면 LED） 및 촉각 피드백 장치 （예를 들면 진동 모터） 등을 포함할 수 있다. 당해 디스플레이 기기는 액정 디스플레이（LCD）, 발광 다이오드（LED） 디스플레이 및 등 플라즈마 디스플레이를 포함할 수 있으나 이에 한정되지 않는다. 일부 실시 방식에 있어서, 디스플레이 기기는 터치 스크린일 수 있다.

여기서 설명하는 시스템 및 기술의 다양한 실시 방식은 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 ASIC（전용 집적 회로）, 컴퓨터 하드웨어, 펌웨어, 소프트웨어 및/또는 이들의 조합에서 실현될 수 있다. 이러한 다양한 실시예는 하나 또는 복수의 컴퓨터 프로그램에서 실시되고, 당해 하나 또는 복수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템 상에서 수행 및/또는 해석될 수 있으며, 당해 프로그램 가능 프로세서는 전용 또는 일반 프로그램 가능 프로세서일 수 있고, 기록 시스템, 적어도 하나의 입력 장치 및 적어도 하나의 출력 장치로부터 데이터 및 명령을 수신할 수 있으며, 또한 데이터 및 명령을 당해 기록 시스템, 당해 적어도 하나의 입력 장치 및 당해 적어도 하나의 출력 장치에 전송할 수 있다.

이러한 계산 프로그램 （소프트웨어, 소프트웨어 응용 또는 코드로도 불림）은 프로그램 가능 프로세서의 기계 명령을 포함하며, 또한 고급 과정 및/또는 객체 지향 프로그래밍 언어 및/또는 어셈블리/기계 언어를 이용하여 이러한 계산 프로그램을 실시할 수 있다. 본 명세서에서 사용되는 “기계 판독 가능 매체” 및 “컴퓨터 판독 가능 매체”와 같은 용어는, 기계 명령 및/또는 데이터를 프로그램 가능 프로세서의 임의의 컴퓨터 프로그램 제품, 기기 및/또는 장치 （예를 들면, 자기 디스크, 광 디스크, 메모리, 프로그램 가능 논리 장치（PLD））에 제공하기 위한 것을 의미하며, 기계 판독 가능 신호로서의 기계 명령을 수신하는 기계 판독 가능 매체를 포함한다. “기계 판독 가능 신호”와 같은 용어는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 의미한다.

유저와의 대화를 제공하기 위하여, 컴퓨터 상에서 여기서 설명하는 시스템 및 기술을 실시할 수 있으며, 당해 컴퓨터는 유저에게 정보를 표시하기 위한 디스플레이 장치 （예를 들면 CRT（음극선관） 또는 LCD（액정 디스플레이） 모니터） 및 키보드와 포인팅 장치 （예를 들면, 마우스 또는 트랙볼）를 구비할 수 있으며, 유저는 당해 키보드 및 당해 포인팅 장치를 통해 입력을 컴퓨터에 제공할 수 있다. 기타 유형의 장치는 또한 유저와의 대화를 제공하는데 사용될 수 있다. 예를 들면, 유저에 제공하는 피드백은 임의의 형태의 감각 피드백 （예를 들면, 시각적 피드백, 청각적 피드백, 또는 촉각 피드백）일 수 있으며, 또한 임의의 형태（음향 입력, 음성 입력 또는 촉각 입력을 포함함）를 통해 유저로부터의 입력을 수신할 수 있다.

여기서 설명하는 시스템 및 기술을 백엔드 구성 요소를 포함하는 계산 시스템 （예를 들면 데이터 서버）, 또는 미들웨어 구성 요소를 포함하는 계산 시스템 （예를 들면 응용 서버）, 또는 프런트엔드 구성 요소를 포함하는 계산 시스템 （예를 들면 그래픽 유저 인터페이스 또는 웹 브라우저를 구비하는 유저 컴퓨터인 바, 유저는 당해 그래픽 유저 인터페이스 또는 당해 웹 브라우저를 통해 여기서 설명하는 시스템 및 기술의 실시 방식과 대화함）, 또는 이러한 백엔드 구성 요소, 미들웨어 구성 요소, 또는 프런트엔드 구성 요소의 임의의 조합을 포함하는 계산 시스템에서 실시할 수 있다. 임의의 형태 또는 매체의 디지털 데이터 통신 （예를 들면, 통신 네트워크）을 통해 시스템의 구성 요소를 상호 연결할 수 있다. 통신 네트워크의 예는 근거리 통신망（LAN）, 광역 통신망（WAN） 및 인터넷을 포함한다.

컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트와 서버는 일반적으로 서로 멀리 떨어져 있고, 또한 일반적으로 통신 네트워크를 통해 대화를 실행한다. 해당되는 컴퓨터 상에서 운행되고, 또한 클라이언트 - 서버 관계를 갖는 컴퓨터 프로그램을 통해 클라이언트와 서버의 관계를 발생시킬 수 있다.

상기에 나타낸 다양한 형태의 흐름을 이용하여 것을 재정열, 증가 또는 삭제할 수 있음을 이해해야 한다. 예를 들면, 본 발명에 기재된 각 것은 병열로 수행되거나 또는 차례로 수행되거나 또는 다른 순서로 수행될 수 있으며, 본 발명이 시작하는 기술적 방안이 원하는 결과를 실현할 수 있는 한, 본 명세서는 이에 대해 한정하지 않는다.

상술한 구체적인 실시 방식은 본 발명의 보호 범위를 한정하지 않는다. 당업자는 설계 요건 및 기타 요인에 따라 다양한 수정, 조합, 서브 조합 및 대체를 실행할 수 있음을 이해해야 한다. 본 발명의 정신 및 원칙 내에서 이루어진 임의의 수정 동등한 대체 및 개선 등은 모두 본 발명의 보호 범위 내에 포함되어야 한다.

Claims

경제 상태 예측 방법(method for predicting economic state)에 있어서,
맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 미래의 예측될 시간대 전의 N(N은 양의 정수임)개의 과거 시간대의 지리 위치 점 액티브 데이터를 각각 취득하는 단계; 및
상기 예측될 시간대 전의 N개의 과거 시간대의 지리 위치 점 액티브 데이터의 특징 벡터를 사전에 트레이닝하여 얻은 경제 상태 예측 모델에 각각 입력하여 상기 예측될 영역의 상기 예측될 시간대에서의 경제 지표 데이터를 얻는 단계;
를 포함하는 것을 특징으로 하는,
경제 상태 예측 방법.
제1항에 있어서,
상기 경제 상태 예측 모델이 시계열 모델을 채용하여 상기 지리 위치 점 액티브 데이터의 시간 분포와 상기 경제 지표 데이터의 시간 분포 사이의 강한 상관 관계를 구축한 것을 특징으로 하는,
경제 상태 예측 방법.
제2항에 있어서,
상기 경제 상태 예측 모델은 입력 계층(input layer), 임베딩 계층(embedded layer) 및 예측 계층(prediction layer)을 포함하고;
상기 입력 계층은 예측될 시간대 전의 N개의 과거 시간대의 지리 위치 점 액티브 데이터의 특징 벡터 표현을 상기 임베딩 계층에 출력하고;
상기 임베딩 계층은 입력된 i번째 시간대의 지리 위치 점 액티브 데이터의 특징 벡터 x_i와 i-1번째 시간대에 대응하는 임베딩 계층 벡터 h_i-1에 대해 가중치 부여 처리를 실행한 후, i번째 시간대에 대응하는 임베딩 계층 벡터 h_i를 얻되, 상기 i번째 시간대는 시간 순서에 따라 상기 N개의 과거 시간대 중의 각 시간대를 각각 취하며; 상기 예측될 시간대 전의 하나의 시간대에 대응하는 임베딩 계층 벡터를 가중치 계수로 곱한 후, 상기 예측될 시간대에 대응하는 임베딩 계층 벡터를 얻으며;
상기 예측 계층은 상기 예측될 시간대에 대응하는 임베딩 계층 벡터에 기반하여 상기 예측될 시간대의 경제 지표 데이터를 매핑하여 얻는 것을 특징으로 하는,
경제 상태 예측 방법.
제1항 내지 제3항 중 어느 한 항에 있어서,
상기 지리 위치 점 액티브 데이터는,
사용자가 상업 형 지리 위치 점을 방문한 데이터, 신규 추가 상업 형 지리 위치 점의 데이터, 사용자 상업 형 지리 위치 점을 검색한 데이터 및 유효 상업 형 지리 위치 점의 데이터 중 적어도 하나를 포함하고;
상기 경제 지표 데이터는,
국내총생산(GDP), 구매관리자지수(PMI) 및 소비자물가지수(CPI) 중 적어도 하나를 포함하는 것을 특징으로 하는,
경제 상태 예측 방법.
제1항 내지 제3항 중 어는 한 항에 있어서,
상기 지리 위치 점 액티브 데이터는 특정 산업에 대응하는 지리 위치 점 유형의 지리 위치 점 액티브 데이터이고;
얻어진 상기 경제 지표 데이터는 상기 특정 산업에 대한 경제 지표 데이터인 것을 특징으로 하는,
경제 상태 예측 방법.
경제 상태 예측 모델 구축 방법(method for establishing economic state prediction model)에 있어서,
맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 연속적인 M(M은 1보다 큰 양의 정수임)개의 시간대의 지리 위치 점 액티브 데이터를 각각 취득하는 단계;
경제 지표 데이터 베이스에서 상기 예측될 영역에 대해 각각 상기 M개의 시간대에서의 실제 경제 지표 데이터를 취득하는 단계; 및
취득한 상기 연속적인 M개의 시간대의 지리 위치 점 액티브 데이터 및 실제 경제 지표 데이터를 트레이닝 데이터로 설정하여 시계열 모델을 트레이닝하여 상기 예측될 영역에 대한 경제 상태 예측 모델을 얻는 것을 포함하고,
상기 경제 상태 예측 모델은 상기 예측될 영역의 미래의 예측될 시간대 전의 N(N은 양의 정수이고, M≥N임)개의 과거 시간대에서의 지리 위치 점 액티브 데이터에 기반하여 상기 예측될 영역의 상기 예측될 시간대에서의 경제 지표 데이터를 출력하는 단계;
를 포함하는 것을 특징으로 하는,
경제 상태 예측 모델 구축 방법.
제6항에 있어서,
상기 경제 상태 예측 모델은 트레이닝 과정에서 지리 위치 점 액티브 데이터의 시간 분포와 경제 지표 데이터의 시간 분포 사이의 강한 상관 관계를 학습하는 것을 특징으로 하는,
경제 상태 예측 모델 구축 방법.
제7항에 있어서,
상기 경제 상태 예측 모델은 입력 계층, 임베딩 계층 및 예측 계층을 포함하고;
상기 입력 계층은 상기 트레이닝 데이터 중에서 복수의 시간대를 선택하여 각각 목표 시간대로 설정하고, 상기 트레이닝 데이터 중의 각 시간대의 지리 위치 점 액티브 데이터의 특징 벡터를 임베딩 계층에 출력하고;
상기 임베딩 계층은 i번째 시간대의 지리 위치 점 액티브 데이터의 특징 벡터 x_i와 i-1번째 시간대에 대응하는 임베딩 계층 벡터 h_i-1에 대해 가중치 부여 처리를 실행한 후, i번째 시간대에 대응하는 임베딩 계층 벡터 h_i를 얻되, 상기 i번째 시간대는 시간 순서에 따라 상기 트레이닝 데이터 중의 목표 시간대 전의 각 시간대를 각각 취하며; 상기 목표 시간대 전의 하나의 시간대에 대응하는 임베딩 계층 벡터를 가중치 계수로 곱한 후, 상기 목표 시간대에 대응하는 임베딩 계층 벡터를 얻으며;
상기 예측 계층은 목표 시간대에 대응하는 임베딩 계층 벡터에 기반하여 상기 목표 시간대의 경제 지표 데이터를 매핑하여 얻고;
상기 경제 상태 예측 모델의 트레이닝 목표는 상기 예측 계층에 의해 얻어진 경제 지표 데이터와 트레이닝 데이터 중의 대응하는 실제 경제 지표 데이터 사이의 차이 값을 최소화하는 것인 것을 특징으로 하는,
경제 상태 예측 모델 구축 방법.
제6항 내지 제8항 중 어는 한 항에 있어서,
상기 지리 위치 점 액티브 데이터는,
사용자가 상업 형 지리 위치 점을 방문한 데이터, 신규 추가 상업 형 지리 위치 점의 데이터, 사용자 상업 형 지리 위치 점을 검색한 데이터 및 유효 상업 형 지리 위치 점의 데이터 중 적어도 하나를 포함하고;
상기 경제 지표 데이터는,
국내총생산(GDP), 구매관리자지수(PMI) 및 소비자물가지수(CPI) 중 적어도 하나를 포함하는 것을 특징으로 하는,
경제 상태 예측 모델 구축 방법.
경제 상태 예측 장치(device for predicting economic state)에 있어서,
맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 미래의 예측될 시간대 전의 N(N은 양의 정수임)개의 과거 시간대의 지리 위치 점 액티브 데이터를 각각 취득하기 위한 데이터 취득 유닛; 및
상기 예측될 시간대 전의 N개의 과거 시간대의 지리 위치 점 액티브 데이터의 특징 벡터를 사전에 트레이닝하여 얻은 경제 상태 예측 모델에 각각 입력하여 상기 예측될 영역의 상기 예측될 시간대에서의 경제 지표 데이터를 얻기 위한 예측 처리 유닛;
을 구비하는 것을 특징으로 하는,
경제 상태 예측 장치.
제10항에 있어서,
상기 경제 상태 예측 모델이 시계열 모델을 채용하여 지리 위치 점 액티브 데이터의 시간 분포와 경제 지표 데이터의 시간 분포 사이의 강한 상관 관계를 구축한 것을 특징으로 하는,
경제 상태 예측 장치.
제11항에 있어서,
상기 경제 상태 예측 모델은 입력 계층, 임베딩 계층 및 예측 계층을 포함하고;
상기 입력 계층은 예측될 시간대 전의 N개의 과거 시간대의 지리 위치 점 액티브 데이터의 특징 벡터 표현을 임베딩 계층에 출력하고;
상기 임베딩 계층은 입력된 i번째 시간대의 지리 위치 점 액티브 데이터의 특징 벡터 x_i와 i-1번째 시간대에 대응하는 임베딩 계층 벡터 h_i-1에 대해 가중치 부여 처리를 실행한 후, i번째 시간대에 대응하는 임베딩 계층 벡터 h_i를 얻되, 상기 i번째 시간대는 시간 순서에 따라 상기 N개의 과거 시간대 중의 각 시간대를 각각 취하며; 또한 상기 예측될 시간대 전의 하나의 시간대에 대응하는 임베딩 계층 벡터를 가중치 계수로 곱한 후, 상기 예측될 시간대에 대응하는 임베딩 계층 벡터를 얻으며;
상기 예측 계층은 상기 예측될 시간대에 대응하는 임베딩 계층 벡터에 기반하여 상기 예측될 시간대의 경제 지표 데이터를 매핑하여 얻는 것을 특징으로 하는,
경제 상태 예측 장치.
제10항 내지 제12항 중 어는 한 항에 있어서,
상기 지리 위치 점 액티브 데이터는,
사용자가 상업 형 지리 위치 점을 방문한 데이터, 신규 추가 상업 형 지리 위치 점의 데이터, 사용자 상업 형 지리 위치 점을 검색한 데이터 및 유효 상업 형 지리 위치 점의 데이터 중 적어도 하나를 포함하고;
상기 경제 지표 데이터는,
국내총생산(GDP), 구매관리자지수(PMI) 및 소비자물가지수(CPI) 중 적어도 하나를 포함하는 것을 특징으로 하는,
경제 상태 예측 장치.
경제 상태 예측 모델 구축 장치(device for establishing economic state prediction model)에 있어서,
맵핑 애플리케이션 데이터 중에서 예측될 영역에 대해 연속적인 M(M은 1보다 큰 양의 정수임)개의 시간대의 지리 위치 점 액티브 데이터를 각각 취득하고; 경제 지표 데이터 베이스에서 상기 예측될 영역에 대해 각각 상기 M개의 시간대에서의 실제 경제 지표 데이터를 취득하기 위한 데이터 취득 유닛; 및
취득한 상기 연속적인 M개의 시간대의 지리 위치 점 액티브 데이터 및 실제 경제 지표 데이터를 트레이닝 데이터로 설정하여 시계열 모델을 트레이닝하여 상기 예측될 영역에 대한 경제 상태 예측 모델을 얻기 위한 모델 트레이닝 유닛;
을 구비하고,
상기 경제 상태 예측 모델은 상기 예측될 영역의 미래의 예측될 시간대 전의 N(N은 양의 정수이고, M≥N임)개의 과거 시간대에서의 지리 위치 점 액티브 데이터에 기반하여 상기 예측될 영역의 상기 예측될 시간대에서의 경제 지표 데이터를 출력하는 것을 특징으로 하는,
경제 상태 예측 모델 구축 장치.
제14항에 있어서,
상기 경제 상태 예측 모델은 트레이닝 과정에서 지리 위치 점 액티브 데이터의 시간 분포와 경제 지표 데이터의 시간 분포 사이의 강한 상관 관계를 학습하는 것을 특징으로 하는,
경제 상태 예측 모델 구축 장치.
제15항에 있어서,
상기 경제 상태 예측 모델은 입력 계층, 임베딩 계층 및 예측 계층을 포함하고;
상기 입력 계층은 상기 트레이닝 데이터 중에서 복수의 시간대를 선택하여 각각 목표 시간대로 설정하고, 상기 트레이닝 데이터 중의 각 시간대의 지리 위치 점 액티브 데이터의 특징 벡터를 임베딩 계층에 출력하고;
상기 임베딩 계층은 i번째 시간대의 지리 위치 점 액티브 데이터의 특징 벡터 x_i와 i-1번째 시간대에 대응하는 임베딩 계층 벡터 h_i-1에 대해 가중치 부여 처리를 실행한 후, i번째 시간대에 대응하는 임베딩 계층 벡터 h_i를 얻되, 상기 i번째 시간대는 시간 순서에 따라 상기 트레이닝 데이터 중의 목표 시간대 전의 각 시간대를 각각 취하며; 또한 상기 목표 시간대 전의 하나의 시간대에 대응하는 임베딩 계층 벡터를 가중치 계수로 곱한 후, 상기 목표 시간대에 대응하는 임베딩 계층 벡터를 얻으며;
상기 예측 계층은 목표 시간대에 대응하는 임베딩 계층 벡터에 기반하여 상기 목표 시간대의 경제 지표 데이터를 매핑하여 얻고;
상기 경제 상태 예측 모델의 트레이닝 목표는 상기 예측 계층에 의해 얻어진 경제 지표 데이터와 트레이닝 데이터 중의 대응하는 실제 경제 지표 데이터 사이의 차이 값을 최소화하는 것인 것을 특징으로 하는,
경제 상태 예측 모델 구축 장치.
제14항 내지 제16항 중 어느 한 항에 있어서,
상기 지리 위치 점 액티브 데이터는,
사용자가 상업형 지리 위치 점을 방문한 데이터, 신규 추가 상업 형 지리 위치 점의 데이터, 사용자 상업 형 지리 위치 점을 검색한 데이터 및 유효 상업 형 지리 위치 점의 데이터 중 적어도 하나를 포함하고;
상기 경제 지표 데이터는,
국내총생산(GDP), 구매관리자지수(PMI) 및 소비자물가지수(CPI) 중 적어도 하나를 포함하는 것을 특징으로 하는,
경제 상태 예측 모델 구축 장치.
전자 기기에 있어서,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서와 통신 연결된 메모리를 구비하며,
상기 메모리에는 상기 적어도 하나의 프로세서에 의해 수행 가능한 명령이 기록되어 있으며, 상기 명령이 상기 적어도 하나의 프로세서에 의해 수행되어 상기 적어도 하나의 프로세서로 하여금 제1항 내지 제9항 중 어느 한 항에 기재된 방법을 수행하도록 하는 것을 특징으로 하는,
전자 기기.
컴퓨터 명령이 기록되어 있는 비 일시적 컴퓨터 판독 가능 기록 매체에 있어서,
상기 컴퓨터 명령은 상기 컴퓨터로 하여금 제1항 내지 제9항 중 어느 한 항에 기재된 방법을 수행하도록 하는 것을 특징으로 하는,
기록 매체.
비 일시적 컴퓨터 판독 가능 기록 매체에 기록되어 있는 컴퓨터 프로그램에 있어서,
상기 컴퓨터 프로그램은 상기 컴퓨터로 하여금 제1항 내지 제9항 중 어느 한 항에 기재된 방법을 수행하도록 하는 것을 특징으로 하는,
컴퓨터 프로그램.