(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211215171.7 (22)申请日 2022.09.30 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 廖聪　刘若兰　余航　李建国　 (74)专利代理 机构 北京博思佳知识产权代理有 限公司 1 1415 专利代理师 陈雨柔 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06F 11/30(2006.01) G06N 3/08(2006.01) (54)发明名称 指标预测方法、 装置、 电子设备及存 储介质 (57)摘要 本说明书一个或多个实施例提供一种指标 预测方法、 装置、 电子设备及存储介质。 所述方法 包括： 获取目标指标序列， 目标指标序列包括预 设服务在M个时间点的M个指标值； 获取与目标指 标序列所属指标对应的目标权重向量； 任一指标 对应的权重向量用于表征该指标在时序上的变 化特点； 利用预先训练好的指标预测模型， 对携 带有各个指标值对应的协变量和位置向量的目 标指标序列和目标权重向量进行处理， 获取在未 来的N个时间点的N个 预测指标值； 其中， M、 N为大 于1的整数。 本实施例实现基于不同指标对应的 权重向量， 通过一个指标预测模 型对属于不同指 标的指标序列进行 预测。 权利要求书2页 说明书13页 附图4页 CN 115526402 A 2022.12.27 CN 115526402 A 1.一种指标 预测方法， 包括： 获取待预测的目标指标序列， 所述目标指标序列包括预设服务在M个时间点的M个指标 值， 并确定所述目标指标序列中各个指标值对应的协变量和位置向量； 以及 获取与所述目标指标序列 所属指标对应的目标权重向量； 所述目标权重向量由预设的 预训练模型从属于该指标的历史指标序列中学习得到； 任一指标对应的权重向量用于表征 该指标在时序上的变化特点； 利用预先训练好的指标预测模型， 对携带有各个指标值对应的协变量和位置向量的目 标指标序列和所述目标权重 向量进行处理， 获取在未来的N个时间点的N个预测指标值； 其 中， M、 N为大于1的整数。 2.根据权利要求1所述的方法， 所述协变量包括 时间协变量和周期协变量； 所述时间协 变量用于指示所述指标值的产生时刻， 所述周期协变量用于指示所述指标值所属的至少一 个统计周期。 3.根据权利要求1所述的方法， 所述目标指标序列还包括未来的N个时间点的N个初始 指标值、 且N个初始指标值 为0； 所述获取在未来的N个时间点的N个预测指标值， 包括： 获取所述指标 预测模型同步输出的所述未来的N个时间点的N个预测指标值。 4.根据权利要求1所述的方法， 输入所述指标预测模型的输入数据为所述携带有各个 指标值对应的协变量和位置向量的目标指标序列和所述目标权 重向量相乘的结果； 其中， 携带有各个指标值对应的协变量和位置向量的目标指标序列和所述目标权重向 量的维度相同。 5.根据权利要求4所述的方法， 在所述获取与所述目标指标序列所属指标对应的目标 权重向量之后， 还 包括： 若所述目标权重向量的维度与所述携带有各个指标值对应的协变量和位置向量的目 标指标序列的维度不同， 使用多层感知机对所述 目标权重 向量进行降维处理或升维处理， 以使得两者的维度相同。 6.根据权利要求1至 5任意一项所述的方法， 所述指标 预测模型的训练过程包括： 获取若干属于不同指标的训练样本， 所述训练样本包括携带有各个历史指标值对应的 协变量和位置向量的历史指标序列和对应的权重向量， 所述历史指标序列包括M+N个历史 指标值， 不同指标的权重向量由预设的预训练模型从属于不同指标的历史指标序列中学习 得到； 针对于所述若干属于不同指标的训练样本循环执行下述过程， 直到满足循环结束条 件： 将各个所述历史指标序列中的最后N个历史指标值进行掩膜处理， 将掩膜处理后的训练 样本输入当前指标 预测模型中进行指标 预测， 获得N个预测指标值； 在所述循环结束条件未被满足时， 根据 所述N个历史指标值和所述N个预测指标值之间 的差异调整 所述当前指标预测模 型的模型参数， 以得到调整后的当前指标预测模 型； 其中， 所述调整后的当前指标 预测模型作为下一循环过程的当前指标 预测模型。 7.根据权利要求1至 5任意一项所述的方法， 所述指标 预测模型包括Transformer模型。 8.根据权利要求1至 5任意一项所述的方法， 所述预训练模型的训练过程包括： 获取属于不同指标的若干历史指标序列；权　利　要　求　书 1/2 页 2 CN 115526402 A 2针对于所述若干历史指标序列循环执 行下述过程， 直到满足循环结束条件： 将所述历史指标序列中随机的至少一个历史指标值进行掩膜 处理， 并将掩膜 处理后的 历史指标序列输入当前 预训练模型中进行指标 预测， 获得至少一个预测指标值； 在所述循环结束条件未被满足时， 根据所述至少一个历史指标值和所述至少一个预测 指标值之间的差异调整当前预训练模型 的模型参数， 以得到调整后的当前预训练模型； 其 中， 所述调整后的当前 预训练模型作为下一循环过程的当前 预训练模型。 9.根据权利要求8所述的方法， 还 包括： 利用训练好的所述预训练模型对不同指标对应的历史指标序列进行特征提取， 获取不 同指标对应的权 重向量， 并存 储在权重向量表中； 其中， 所述目标权 重向量根据所述目标指标序列所属指标从所述权 重向量表中获取。 10.一种指标 预测装置， 包括： 输入数据获取模块， 用于获取待预测的目标指标序列， 所述目标指标序列包括预设服 务在M个时间点的M个指标值， 并确定所述目标指标序列中各个指标值对应的协变量和位置 向量； 所述输入数据获取模块， 还用于获取与 所述目标指标序列所属指标对应的目标权重向 量； 所述目标权重 向量由预设的预训练模型从属于该指标 的历史指标序列中学习 得到； 任 一指标对应的权 重向量用于表征 该指标在时序上的变化特点； 指标预测模块， 用于利用预先训练好的指标预测模型， 对携带有各个指标值对应的协 变量和位置 向量的目标指标序列和所述 目标权重 向量进行处理， 获取在未来的N个时间点 的N个预测指标值； 其中， M、 N 为大于1的整数。 11.一种电子设备， 包括： 处理器； 用于存储处理器可执行指令的存 储器； 其中， 所述处理器通过运行所述可执行指令以实现如权利要求1至9中任一项所述的方 法。 12.一种计算机可读存储介质， 其上存储有计算机指令， 该指令被处理器执行时实现如 权利要求1至9中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115526402 A 3