一种数据预测方法及相关设备与流程

本申请涉及计算机，尤其涉及一种数据预测方法及相关设备。

背景技术：

1、随着计算机技术的快速发展，在日常的各类应用中，数据预测技术越来越多地广泛应用于各类应用场景(如业务场景、医疗场景、物流场景等)中，以在各类应用场景中实现个性化服务，提高服务的准确性。目前数据预测技术通常是利用机器学习模型通过图像、文本、用户偏好等信息进行数据预测，然而这种预测方式在一些没有图像、文本、用户偏好等信息的情况下准确率较低，甚至无法预测，因此，如何更有效地进行数据预测成为研究重点。

技术实现思路

1、本申请实施例提供了一种数据预测方法及相关设备，可以优化训练得到的数据预测模型的模型参数，提高模型的可靠性，以提高数据预测的准确性和有效性。

2、第一方面，本申请实施例提供了一种数据预测方法，包括：

3、获取样本代码数据集，所述样本代码数据集包括多个样本代码数据，其中，所述多个样本代码数据中的各个样本代码数据包括样本代码序列和所述样本代码序列对应的样本文本标注数据；

4、使用所述样本代码数据集对待训练数据预测模型进行训练，使得将所述样本代码数据集中的各个样本代码数据中的样本代码序列输入经过训练得到的数据预测模型后，得到的各个样本代码序列对应的样本文本预测数据与所述各个样本代码序列对应的样本文本标注数据之间的损失函数值小于函数阈值；

5、所述经过训练得到的数据预测模型用于根据待处理数据的待处理代码序列输出得到所述待处理代码序列对应的文本预测数据。

6、第二方面，本申请实施例提供了一种业务数据预测方法，包括：

7、获取待处理业务数据，所述待处理业务数据包括待处理业务代码序列；

8、将所述待处理业务数据的待处理业务代码序列输入数据预测模型，生成所述待处理业务代码序列对应的业务文本预测数据，并将生成的所述业务文本预测数据发送给终端设备，以使得所述终端设备在所述业务场景中将所述业务文本预测数据显示在所述终端设备的屏幕上。

9、第三方面，本申请实施例提供了一种数据预测装置，包括：

10、获取单元，用于获取样本代码数据集，所述样本代码数据集包括多个样本代码数据，其中，所述多个样本代码数据中的各个样本代码数据包括样本代码序列和所述样本代码序列对应的样本文本标注数据；

11、训练单元，用于使用所述样本代码数据集对待训练数据预测模型进行训练，使得将所述样本代码数据集中的各个样本代码数据中的样本代码序列输入经过训练得到的数据预测模型后，得到的各个样本代码序列对应的样本文本预测数据与所述各个样本代码序列对应的样本文本标注数据之间的损失函数值小于函数阈值；所述经过训练得到的数据预测模型用于根据待处理数据的待处理代码序列输出得到所述待处理代码序列对应的文本预测数据。

12、第四方面，本申请实施例提供了一种业务数据预测装置，包括：

13、获取单元，用于获取待处理业务数据，所述待处理业务数据包括待处理业务代码序列；

14、预测单元，用于将所述待处理业务数据的待处理业务代码序列输入数据预测模型，生成所述待处理业务代码序列对应的业务文本预测数据，并将生成的所述业务文本预测数据发送给终端设备，以使得所述终端设备在所述业务场景中将所述业务文本预测数据显示在所述终端设备的屏幕上。

15、第五方面，本申请实施例提供了一种计算机设备，所述计算机设备包括：处理器和存储器，所述处理器用于执行上述第一方面或第二方面所述的方法。

16、第六方面，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有程序指令，该程序指令被执行时实现上述第一方面或第二方面所述的方法。

17、第七方面，本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括程序指令，所述程序指令被处理器执行时实现上述第一方面或第二方面所述的方法。

18、本申请实施例可以获取样本代码数据集，样本代码数据集包括多个样本代码数据，其中，多个样本代码数据中的各个样本代码数据包括样本代码序列和样本代码序列对应的样本文本标注数据；使用样本代码数据集对待训练数据预测模型进行训练，使得将样本代码数据集中的各个样本代码数据中的样本代码序列输入经过训练得到的数据预测模型后，得到的各个样本代码序列对应的样本文本预测数据与各个样本代码序列对应的样本文本标注数据之间的损失函数值小于函数阈值；经过训练得到的数据预测模型用于根据待处理数据的待处理代码序列输出得到待处理代码序列对应的文本预测数据。通过利用代码数据训练得到数据预测模型，可优化训练得到的数据预测模型的模型参数，提高数据预测模型的可靠性，进一步利用数据预测模型得到待处理数据的待处理代码序列的文本预测数据，有助于提高数据预测的准确性和有效性。

技术特征：

1.一种数据预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述使用所述样本代码数据集对待训练数据预测模型进行训练，包括：

3.根据权利要求2所述的方法，其特征在于，所述待训练数据预测模型包括输入模块、转换器transformer模块和输出模块；所述将所述样本代码数据集中所述各个样本代码数据的样本代码序列输入所述待训练数据预测模型进行训练，得到各个样本代码序列的样本文本预测数据，包括：

4.根据权利要求3所述的方法，其特征在于，所述transformer模块的模型结构为包括第一方向和第二方向的双向结构；所述将所述各个样本代码向量输入所述待训练数据预测模型的transformer模块，转换得到所述各个样本代码向量对应的各个目标向量，包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述各个第一向量和所述各个第二向量确定所述各个样本代码序列对应的各个目标向量，包括：

6.根据权利要求3所述的方法，其特征在于，所述将所述各个样本代码向量输入所述待训练数据预测模型的transformer模块，转换得到所述各个样本代码向量对应的各个目标向量之前，还包括：

7.根据权利要求2所述的方法，其特征在于，所述计算所述各个样本代码序列的损失权重，并根据所述各个样本代码序列的损失权重、所述各个样本代码序列的样本文本预测数据和所述各个样本代码序列对应的样本文本标注数据，计算所述各个样本代码序列的样本文本预测数据与所述各个样本代码序列对应的样本文本标注数据之间的损失函数值，包括：

8.根据权利要求1所述的方法，其特征在于，所述使用所述样本代码数据集对待训练数据预测模型进行训练之前，还包括：

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

10.根据权利要求1所述的方法，其特征在于，所述方法还包括：

11.一种业务数据预测方法，其特征在于，包括：

12.一种数据预测装置，其特征在于，包括：

13.一种业务数据预测装置，其特征在于，包括：

14.一种计算机设备，其特征在于，包括处理器和存储器，所述处理器和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-11任一项所述的方法。

15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序指令，该程序指令被执行时实现如权利要求1-11任一项所述的方法。

16.一种计算机程序产品，其特征在于，所述计算机程序产品包括程序指令，所述程序指令被处理器执行时实现权利要求1-11任一项所述方法。

技术总结
本申请实施例公开了一种数据预测方法及相关设备，该方法包括：获取样本代码数据集；使用样本代码数据集对待训练数据预测模型进行训练，使得将样本代码数据集中的各个样本代码数据中的样本代码序列输入经过训练得到的数据预测模型后，得到的各个样本代码序列对应的样本文本预测数据与各个样本代码序列对应的样本文本标注数据之间的损失函数值小于函数阈值；经过训练得到的数据预测模型用于根据待处理数据的待处理代码序列输出得到待处理代码序列对应的文本预测数据。通过这种方式可以优化训练得到的数据预测模型的模型参数，提高模型的可靠性，以提高数据预测的准确性和有效性。

技术研发人员：汪自力
受保护的技术使用者：小红书科技有限公司
技术研发日：
技术公布日：2024/3/24