学位预测系统的控制方法、装置及存储介质与流程

本发明涉及大数据处理的，尤其涉及一种学位预测系统的控制方法及可读存储介质。

背景技术：

1、现有的学位预测模型直接预测学位数量，同时运用的特征都是单因子特征，没有考虑组合因子的影响，对于大量稀疏特征不能很好的应用，由此在应用相关数据进行学位数量预测会导致学位预测结果并不准确。

技术实现思路

1、本发明的主要目的在于提供一种学位预测系统的控制方法及可读存储介质，旨在解决在现有学位预测结果不准确的技术问题。

2、为实现上述目的，本发明提供一种学位预测系统的控制方法，包括以下步骤：

3、获取学位预测的统计参数，所述统计参数包括连续变量和离散变量；

4、将所述统计参数输入至预设的概率预测神经网络，通过所述概率预测神经网络的数据处理得出学位预测数据；

5、其中，获取历史统计参数，以预设deepfm架构体系对所述历史统计参数进行数据处理，并基于数据处理结果作为训练样本训练初始神经网络得出所述预设的概率预测神经网络，所述deepfm架构设有fm模块和deep模块。

6、可选地，所述以预设deepfm架构对所述历史统计参数进行数据处理的步骤，包括：

7、将所述历史统计参数分别输入至fm模块和deep模块，通过所述fm模块和deep模块的数据处理得到fm低阶特征和fm交叉特征；

8、将所述历史统计数据输入至初始深度神经网络得到dnn部分结果。

9、可选地，所述将所述历史统计参数分别输入至fm模块和deep模块的步骤之前，还包括：

10、对所述历史统计参数进行稠密编码，以记录所述历史统计参数的特征信息，所述特征信息包括特征值和位置；

11、基于所述特征信息进行embedding编码，以计算embedding权重，将所述特征信息和所述embedding权重分别输入至fm模块和deep模块。

12、可选地，所述学位预测系统的控制方法，还包括：

13、将所述fm低阶特征、所述fm交叉特征及所述dnn部分结果输入至预设的sigmoid函数激活得到初始预测数据。

14、可选地，所述学位预测系统的控制方法，还包括：

15、获取真实标签数据，以所述真实标签数据和所述初始预测数据作为训练样本对初始神经网络进行训练；

16、根据训练结果得出所述预设的概率预测神经网络。

17、可选地，以所述真实标签数据和所述初始预测数据作为训练样本对初始神经网络进行训练的步骤，包括：

18、计算所述真实标签数据和所述初始预测数据的数据差值；

19、将所述数据差值反向传播至初始神经网络进行权重更新，以训练所述初始神经网络。

20、可选地，所述获取历史统计参数的步骤，包括：

21、采集当前学区统计区域的连续变量和离散变量；

22、对所述连续变量和离散变量进行特征前处理，以处理后的所述连续变量和离散变量形成所述历史统计参数。

23、可选地，所述学位预测系统的控制方法，还包括：

24、通过设置fm结构层和deep结构层形成所述fm模块和所述deep模块，所述fm结构层在lr引入交叉项；

25、以所述fm模块和所述deep模块创建所述deepfm架构体系。

26、为实现上述目的，本发明还提供一种学位预测系统的控制装置，所述学位预测系统的控制装置包括：存储器、处理器以及存储在所述存储器上并可以在所述处理器上运行的学位预测系统的控制程序，所述学位预测系统的控制程序被处理器执行时实现如上所述的学位预测系统的控制系统的步骤。

27、此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质存储有学位预测系统的控制程序，所述学位预测系统的控制程序在执行时实现如上所述的学位预测系统的控制系统的步骤。

28、本发明实施例提出的一种学位预测系统的控制方法，通过架设预设deepfm架构体系设置fm模块和deep模块分别对统计参数进行数据处理，以数据处理结果训练初始神经网络得出所述预设的概率预测神经网络，从而，在将学位预测的统计数据输入至预设的概率预测神经网络统计学位数据时，可基于预设的概率预测神经网络在训练过程中所涉及到的低阶和高阶的组合特征学习，对稀疏特征进行应用从而提高学位预测结果的准确性。

技术特征：

1.一种学位预测系统的控制方法，其特征在于，所述学位预测系统的控制方法包括以下步骤：

2.如权利要求1所述的学位预测系统的控制方法，其特征在于，所述以预设deepfm架构对所述历史统计参数进行数据处理的步骤，包括：

3.如权利要求2所述的学位预测系统的控制方法，其特征在于，所述将所述历史统计参数分别输入至fm模块和deep模块的步骤之前，还包括：

4.如权利要求2所述的学位预测系统的控制方法，其特征在于，所述学位预测系统的控制方法，还包括：

5.如权利要求4所述的学位预测系统的控制方法，其特征在于，所述学位预测系统的控制方法，还包括：

6.如权利要求5所述的学位预测系统的控制方法，其特征在于，以所述真实标签数据和所述初始预测数据作为训练样本对初始神经网络进行训练的步骤，包括：

7.如权利要求1所述的学位预测系统的控制方法，其特征在于，所述获取历史统计参数的步骤，包括：

8.如权利要求1-7任一项所述的学位预测系统的控制方法，其特征在于，所述学位预测系统的控制方法，还包括：

9.一种学位预测系统的控制装置，其特征在于，所述学位预测系统的控制装置包括：存储器、处理器以及存储在所述存储器上并可以在所述处理器上运行的学位预测系统的控制程序，所述学位预测系统的控制程序被处理器执行时实现如权利要求1至8任一项所述的学位预测系统的控制方法的步骤。

10.一种存储介质，其特征在于，所述存储介质存储有学位预测系统的控制程序，所述学位预测系统的控制程序被处理器执行时实现如权利要求1至8任一项所述的学位预测系统的控制方法的步骤。

技术总结本发明公开了一种学位预测系统的控制方法，包括：获取学位预测的统计参数，所述统计参数包括连续变量和离散变量；将所述统计参数输入至预设的概率预测神经网络，通过所述概率预测神经网络的数据处理得出学位预测数据；其中，获取历史统计参数，以预设DeepFM架构体系对所述历史统计参数进行数据处理，并基于数据处理结果作为训练样本训练初始神经网络得出所述预设的概率预测神经网络，所述DeepFM架构设有FM模块和Deep模块。本发明还公开了一种学位预测系统的控制装置及存储介质。本发明可基于预设的概率预测神经网络在训练过程中所涉及到的低阶和高阶的组合特征学习，对稀疏特征进行应用从而提高学位预测结果的准确性。技术研发人员：张昕,沈吉祥,谢炎东,刘文苑受保护的技术使用者：深圳市智慧城市科技发展集团有限公司技术研发日：技术公布日：2024/9/17