一种由电子设备执行的数据处理方法及数据处理装置

本公开涉及人工智能及大数据，更具体地涉及一种由电子设备执行的数据处理方法及数据处理装置。

背景技术：

1、在相关技术中，例如服务器、移动终端等电子设备能够用于处理大数据领域的日志数据、交易数据、经济指标数据等大数据。目前，一般利用具有运算功能的处理器来处理大数据例如日志数据、交易数据、经济指标数据等表单数据。但是，由于表单数据量较大，不仅导致资源消耗量较大，而且噪声较多，使得处理精度较低。

技术实现思路

1、鉴于上述问题，本公开提供了一种由电子设备执行的数据处理方法及数据处理装置。

2、根据本公开的第一个方面，提供了一种由电子设备执行的数据处理方法，该电子设备包括处理器，处理器用于执行如下方法，上述方法包括：响应于针对目标时间段的指标预测请求，从数据库中调取历史数据表；识别历史数据表，并提取历史数据表中与指标预测请求中包含的待预测指标对应的目标历史数据，其中，目标历史数据是在目标时间段之前的第一预设时间段内产生的历史数据；调用包括m个预测模型的预测模型系统，针对m个预测模型中的第i个预测模型，将目标历史数据输入第i个预测模型中，输出第i个预测子结果；得到m个预测子结果；其中，m为≥2的正整数；根据m个预测子结果，从m个预测模型中确定n个目标预测模型，其中，2≤n≤m；根据m个预测子结果确定n个目标预测模型各自对应的权重系数；以及根据n个目标预测模型各自对应的预测子结果，和n个目标预测模型各自对应的权重系数，输出待预测指标在目标时间段内的预测结果。

3、根据本公开的实施例，历史数据表包括图像数据；识别历史数据表，并提取历史数据表中在目标时间段之前的第一预设时间段内产生的历史数据，得到目标历史数据包括：对历史数据表中的图像数据进行识别，得到历史数据；从历史数据中提取在目标时间段之前的第一预设时间段内产生的历史数据，得到目标历史数据。

4、根据本公开的实施例，上述方法还包括：从历史数据中提取在目标时间段之前的第二预设时间段内产生的历史数据，得到历史训练数据；其中，第二预设时间段的时长大于第一预设时间段的时长；针对m个预测模型中的第j个预测模型，利用历史训练数据更新第j个预测模型，得到m个更新后的预测模型；其中，针对m个预测模型中的第i个预测模型，将目标历史数据输入第i个预测模型中，输出第i个预测子结果；得到m个预测子结果包括：针对m个更新后预测模型中的第i个更新后的预测模型，将目标历史数据输入第i个更新后的预测模型中，输出第i个预测子结果。

5、根据本公开的实施例，识别历史数据表，并提取历史数据表中与指标预测请求中包含的待预测指标对应的目标历史数据包括：根据待预测指标，从预设的预测因子表中读取与待预测指标对应的预测因子，得到目标预测因子；提取历史数据表中目标预测因子在第一预设时间段内产生的历史数据，得到目标历史数据。

6、根据本公开的实施例，根据m个预测子结果，从m个预测模型中确定n个目标预测模型包括：根据目标历史数据和m个预测子结果，确定m个预测模型各自对应的损失值；根据m个预测模型各自对应的损失值，从m个预测模型中确定n个目标预测模型。

7、根据本公开的实施例，根据目标历史数据和m个预测子结果，确定m个预测模型各自对应的损失值包括：针对m个预测子结果中的每个预测子结果，根据预测子结果和目标历史数据确定与预测子结果对应的均方误差值，得到m个预测模型各自对应的损失值。

8、根据本公开的实施例，根据m个预测子结果确定n个目标预测模型各自对应的权重系数包括：确定m个预测模型各自对应的损失值的总和，得到损失值总和；针对n个目标预测模型中的每个目标预测模型，根据目标预测模型的损失值和损失值总和，确定目标预测模型的权重系数。

9、根据本公开的实施例，根据n个目标预测模型各自对应的预测子结果，和n个目标预测模型各自对应的权重系数，输出定待预测指标在目标时间段内的预测结果包括：根据n个目标预测模型各自对应的权重系数，对n个目标预测模型各自对应的预测子结果进行加权平均处理，输出预测结果。

10、根据本公开的实施例，预测因子包括月频预测因子和季频预测因子。

11、本公开的第二方面提供了一种数据处理装置，上述装置包括：调取模块，用于响应于针对目标时间段的指标预测请求，从数据库中调取历史数据表；提取模块，用于识别历史数据表，并提取历史数据表中与指标预测请求中包含的待预测指标对应的目标历史数据，其中，目标历史数据是在目标时间段之前的第一预设时间段内产生的历史数据；预测模块，用于调用包括m个预测模型的预测模型系统，针对m个预测模型中的第i个预测模型，将目标历史数据输入第i个预测模型中，输出第i个预测子结果；得到m个预测子结果；其中，m为≥2的正整数；第一确定模块，用于根据m个预测子结果，从m个预测模型中确定n个目标预测模型，其中，2≤n≤m；第二确定模块，用于根据m个预测子结果确定n个目标预测模型各自对应的权重系数；以及输出模块，用于根据n个目标预测模型各自对应的预测子结果，和n个目标预测模型各自对应的权重系数，输出待预测指标在目标时间段内的预测结果。

12、根据本公开的实施例，通过由电子设备的处理器执行的响应于针对目标时间段的指标预测请求，从数据库中调取历史数据表；然后识别历史数据表，并提取历史数据表中的目标历史数据；然后调用包括m个预测模型的预测模型系统，将目标历史数据依次输入m个预测模型中，得到m个预测子结果；然后从m个预测模型中确定n个目标预测模型，并根据m个预测子结果确定n个目标预测模型各自对应的权重系数；之后根据n个目标预测模型各自对应的预测子结果，和n个目标预测模型各自对应的权重系数进行加权平均处理，输出待预测指标在目标时间段内的预测结果。通过采用本公开提供的数据处理方法，实现了指标预测的自动化，充分利用了电子设备的算力，节省了人力；同时通过从历史数据表中获取与待预测指标对应的在第一预设时间段内产生的历史数据，并对该历史数据进行预测处理，得出预测结果，能够在有限的计算资源条件下，针对性地调取有限的数据进行处理，在降低数据量的同时，提高了数据预测准确度。

技术特征：

1.一种由电子设备执行的数据处理方法，其特征在于，所述电子设备包括处理器，所述处理器用于执行如下方法，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述历史数据表包括图像数据；

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

4.根据权利要求1所述的方法，其特征在于，所述识别所述历史数据表，并提取所述历史数据表中与指标预测请求中包含的待预测指标对应的目标历史数据包括：

5.根据权利要求1所述的方法，其特征在于，所述根据所述m个预测子结果，从所述m个预测模型中确定n个目标预测模型包括：

6.根据权利要求5所述的方法，其特征在于，所述根据所述目标历史数据和所述m个预测子结果，确定所述m个预测模型各自对应的损失值包括：

7.根据权利要求5所述的方法，其特征在于，所述根据所述m个预测子结果确定所述n个目标预测模型各自对应的权重系数包括：

8.根据权利要求1所述的方法，其特征在于，所述根据所述n个目标预测模型各自对应的预测子结果，和所述n个目标预测模型各自对应的权重系数，输出定所述待预测指标在所述目标时间段内的预测结果包括：

9.根据权利要求4所述的方法，其特征在于，所述预测因子包括月频预测因子和季频预测因子。

10.一种数据处理装置，其特征在于，所述装置包括：

技术总结本公开提供了一种由电子设备执行的数据处理方法，可以应用于人工智能及大数据技术领域。该电子设备包括处理器，该处理器用于执行如下方法，该方法包括：响应于针对目标时间段的指标预测请求，从数据库中调取历史数据表；识别历史数据表，并提取历史数据表中与待预测指标对应的目标历史数据；调用包括M个预测模型的预测模型系统，将目标历史数据分别输入M个预测模型中，输出M个预测子结果；从M个预测模型中确定N个目标预测模型；根据M个预测子结果确定N个目标预测模型各自对应的权重系数；根据N个目标预测模型各自对应的预测子结果和N个目标预测模型各自对应的权重系数，输出预测结果。本公开还提供了一种数据处理装置。技术研发人员：焦守坤,叶五一,吕梦迪,徐洁馨,宋红梅受保护的技术使用者：中国科学技术大学技术研发日：技术公布日：2024/7/29