一种信息处理方法及装置制造方法
【专利摘要】本申请公开了一种信息处理方法及装置，用以解决现有技术中由于预测目标数据的准确性较低而导致信息处理的准确性较低的问题。该方法确定当前时刻所在的当前时间段以及该当前时间段之前的各历史时间段，确定记录的各历史时间段中与目标数据的类型相同的历史数据以及当前时间段中与目标数据的类型相同的实时数据，根据确定的历史数据和实时数据对目标数据进行预测，并根据预测结果进行信息处理。上述方法除根据历史数据以外，还根据实时数据对目标数据进行预测，因此可有效提高在特殊时段预测目标数据的准确性，从而可有效提高后续根据预测结果进行信息处理的准确性。
【专利说明】一种信息处理方法及装置
【技术领域】
[0001] 本申请涉及通信【技术领域】，尤其涉及一种信息处理方法及装置。
【背景技术】
[0002] 随着互联网的快速发展，根据数据进行预测的方法已经被广泛的应用于信息处理 领域中。
[0003] 在现有技术中，对于网站来说，网站的服务器可以根据与待预测的目标数据的类 型相同的历史数据，预测目标数据，并根据预测结果进行相应的信息处理。
[0004] 例如，对于购物网站而言，待预测的目标数据可以是当日的成交额数据，则与该目 标数据的类型相同的历史数据即为历史成交额数据，服务器可根据历史成交额数据，对当 日的成交额数据进行预测，并根据预测结果进行信息处理，如调整页面展示的信息等。
[0005] 但是，现有技术中仅根据历史数据进行预测的方法并不适用于特殊时段的预测， 这是因为根据历史数据进行预测的方法实质上是根据历史数据的变化规律，对目标数据进 行预测的，而这种规律在特殊时段却会被打破，导致预测的目标数据与实际的目标数据存 在较大偏差，最终导致信息处理的准确性降低。
[0006] 继续沿用上例，对于该购物网站举办的大促销时段而言，该大促销时段的成交额 往往较高，而服务器仅根据历史成交额数据对当日的成交额数据进行预测，必然会造成预 测的成交额数据较低，这就会影响后续根据预测结果所进行的诸如调整页面展示的信息等 信息处理过程的准确性。
【发明内容】
[0007] 本申请实施例提供一种信息处理方法及装置，用以解决现有技术中由于预测目标 数据的准确性较低而导致信息处理的准确性较低的问题。
[0008] 本申请实施例提供的一种信息处理方法，包括：
[0009] 根据预先划分的每个时间段，确定当前时刻所在的时间段，作为当前时间段，确定 所述当前时间段之前设定数量的时间段，作为历史时间段；
[0010] 根据待预测的目标数据的类型，确定记录的各历史时间段中与所述目标数据的类 型相同的数据，作为历史数据；
[0011] 确定记录的所述当前时间段中与所述目标数据的类型相同的数据，作为实时数 据，其中，所述实时数据是在所述当前时间段中且在所述当前时刻之前记录的数据；
[0012] 根据确定的所述历史数据和所述实时数据对所述目标数据进行预测；
[0013] 根据预测结果进行信息处理。
[0014] 本申请实施例提供的一种信息处理装置，包括：
[0015] 时间段确定模块，用于根据预先划分的每个时间段，确定当前时刻所在的时间段， 作为当前时间段，确定所述当前时间段之前设定数量的时间段，作为历史时间段；
[0016] 历史数据确定模块，用于根据待预测的目标数据的类型，确定记录的所述时间段 确定模块确定出的各历史时间段中与所述目标数据的类型相同的数据，作为历史数据；
[0017] 实时数据确定模块，用于确定记录的所述时间段确定模块确定出的所述当前时间 段中与所述目标数据的类型相同的数据，作为实时数据，其中，所述实时数据是在所述当前 时间段中且在所述当前时刻之前记录的数据；
[0018] 预测模块，用于根据所述历史数据确定模块确定的所述历史数据和所述实时数据 确定模块确定的所述实时数据对所述目标数据进行预测；
[0019] 处理模块，用于根据所述预测模块的预测结果进行信息处理。
[0020] 本申请实施例提供一种信息处理方法及装置，该方法确定当前时刻所在的当前时 间段以及该当前时间段之前的各历史时间段，确定记录的各历史时间段中与目标数据的类 型相同的历史数据以及当前时间段中与目标数据的类型相同的实时数据，根据确定的历史 数据和实时数据对目标数据进行预测，并根据预测结果进行信息处理。上述方法除根据历 史数据以外，还根据实时数据对目标数据进行预测，因此可有效提高在特殊时段预测目标 数据的准确性，从而可有效提高后续根据预测结果进行信息处理的准确性。
【专利附图】
【附图说明】
[0021] 图1为本申请实施例提供的信息处理过程；
[0022] 图2为本申请实施例提供的信息处理装置结构示意图。
【具体实施方式】
[0023] 对于目标数据的预测而言，一是要根据数据变化的规律性进行预测，二是要根据 数据变化的特殊性进行预测，历史数据可以反映数据变化的规律性，实时数据可以反映数 据变化的特殊性。而现有技术中在预测目标数据时，仅根据历史数据进行预测，显然现有技 术只考虑了数据变化的规律性，而未考虑其特殊性，因此在某些特殊时段会导致预测目标 数据的准确性较低，从而导致后续根据预测结果进行信息处理的准确性较低。
[0024] 本申请实施例综合考虑了数据变化的规律性和特殊性，除根据历史数据以外，还 根据实时数据对目标数据进行预测，因此可有效提高预测目标数据的准确性，从而提高后 续根据预测结果进行信息处理的准确性。
[0025] 下面结合说明书附图，对本申请实施例进行详细描述。
[0026] 图1为本申请实施例提供的信息处理过程，具体包括以下步骤：
[0027] SlOl :根据预先划分的每个时间段，确定当前时刻所在的时间段，作为当前时间 段，确定该当前时间段之前设定数量的时间段，作为历史时间段。
[0028] 在本申请实施例中，预先划分的每个时间段对应的时间间隔均相同。该设定数量 可以根据需要进行设定，如设定为15。作为历史时间段的设定数量的时间段可以是在该当 前时间段之前、且与该当前时间段最近的设定数量的时间段
[0029] 例如，可以天为单位划分每个时间段，S卩，每个时间段为一天。假设当前时刻为7 月31日3点，则当前时刻所在的时间段为7月31日对应的时间段（7月31日0点到7月 31日24点这个时间段)，该时间段即为当前时间段。
[0030] 假设该设定数量为15,则由于当前时间段为7月31日对应的时间段，因此，在该当 前时间段之前、且与该当前时间段最近的15个时间段为7月16日?7月30日分别对应的 15个时间段，这15个时间段就是确定出的15个历史时间段。
[0031] S102:根据待预测的目标数据类型，确定记录的各历史时间段中与目标数据的类 型相同的数据，作为历史数据。
[0032] 在本申请实施例中，可针对划分的每个时间段，在该时间段中预设若干个时间分 隔点。如果将在一个时间段中预设的相邻两个时间分隔点之间的时间段记为子时间段，贝IJ 在一个时间段中预设各时间分隔点时，可基于这样的原则进行设定：子时间段中产生的数 据量越大，子时间段的时间长度越小，相应两个相邻的时间分隔点越接近，相反的，子时间 段中产生的数据量越小，子时间段的时间长度越长，相应两个相邻的时间分隔点越远。需要 说明的是，在一个时间段中预设各时间分隔点时，从该时间段的时间起始点到该时间段的 第m个时间分隔点的时间间隔，与任一其他时间段的时间起始点到该其他时间段的第m个 时间分隔点的时间间隔均相同，m为正整数。本申请实施例所述的一个时间段中的第m个时 间分隔点是指：将该时间段中的各时间分隔点按时间先后顺序排序的第m个时间分隔点。
[0033] 继续沿用上例，针对7月16日对应的时间段(这个时间段也是历史时间段)，假设 在7月16日0点01分设定了一个时间分隔点，在7月16日1点设定了一个时间分隔点， 则：
[0034] 第1个时间分隔点为7月16日0点01分对应的时间分隔点，距7月16日对应的 时间段的时间起始点（7月16日0点）的时间间隔为1分钟；
[0035] 第2个时间分隔点为7月16日1点对应的时间分隔点，距7月16日对应的时间 段的时间起始点（7月16日0点）的时间间隔为1小时。
[0036] 那么，针对7月17日?7月30日分别对应的14个时间段(这14个时间段也是历 史时间段)、7月31日对应的时间段(这个时间段是当前时间段)、或者其他的时间段，均在相 应的时间段中设定距时间起始点的时间间隔为1分钟的第1个时间分隔点以及距时间起始 点的时间间隔为1小时的第2个时间分隔点。即，7月17日对应的时间段中的时间分隔点 为7月17日0点01分和7月17日1点，7月18日对应的时间段中的时间分隔点为7月 18日0点01分和7月18日1点，依此类推，7月31日对应的时间段中的时间分隔点为7 月31日0点01分和7月31日1点。
[0037] 采用上述方法预先对每个时间段设定了时间分隔点后，步骤S102中确定各历史 时间段中历史数据的方法具体可以为：针对每个历史时间段，确定该历史时间段中预设的 各时间分隔点；确定记录的该历史时间段的时间起点到每个时间分隔点对应的时间段中与 目标数据的类型相同的数据，作为该历史时间段中的每个历史分量数据；确定记录的该历 史时间段的时间起始点到时间终止点对应的时间段中与目标数据的类型相同的数据，作为 该历史时间段中的历史总量数据。也即，本申请实施例中，确定的历史数据包括历史分量数 据和历史总量数据。
[0038] 继续沿用上例，假设待预测的目标数据为当前时间段（7月31日对应的时间段)的 成交额，即，目标数据的类型为成交额类型，则针对7月16日对应的历史时间段，该历史时 间段中预设的两个时间分隔点是7月16日0点01分和7月16日1点，因此，可先确定该历 史时间段的时间起始点（7月16日0点0分）到7月16日0点01分这1分钟所产生的成 交额，作为该历史时间段中的一个历史分量数据，再确定该历史时间段的时间起始点（7月 16日0点0分)到7月16日1点这1个小时所产生的成交额，作为该历史时间段中的另一 个历史分量数据。然后，确定该历史时间段的时间起始点（7月16日O点O分)到该历史时 间段的时间终止点（7月16日24点)这24个小时所产生的成交额，作为该历史时间段中的 历史总量数据。
[0039] S103:确定记录的该当前时间段中与目标数据的类型相同的数据，作为实时数据。
[0040] 其中，上述实时数据是在该当前时间段中且在当前时刻之前记录的数据。
[0041] 当预先对每个时间段设定了时间分隔点后，本申请实施例中确定记录的该当前时 间段中的实时数据的方法具体可以为：确定当前时间段中预设的各时间分隔点；在当前时 间段的各时间分隔点中，确定在当前时刻之前最近的时间分隔点，作为最近时间分隔点；确 定记录的从当前时间段的时间起始点到该最近时间分隔点对应的时间段中与目标数据的 类型相同的数据，作为实时分量数据。
[0042] 继续沿用上例，当前时间段为7月31日对应的时间段，该当前时间段中的两个时 间分隔点分别是7月31日0点01分和7月31日1点，假设当前时刻未7月31日1点15 分，则在当前时刻之前最近的时间分隔点为7月31日1点，S卩，7月31日1点是最近时间 分隔点，后续则可确定从当前时间段的时间起始点（7月31日0点0分)到最近时间分隔点 (7月31日1点）这1个小时所产生的成交额，作为实时分量数据。
[0043] 另外，上述步骤S102和S103的执行顺序不分先后。
[0044] S104 :根据确定的历史数据和实时数据对目标数据进行预测。
[0045] 在本申请实施例中，通过上述步骤S102确定了每个历史时间段中的历史分量数 据和历史总量数据，并通过上述步骤S103确定了当前时间段中的实时分量数据后，则可 根据每个历史时间段中的历史分量数据和历史总量数据，以及当前时间段中的实时分量数 据，对目标数据进行预测。
[0046] 具体的，预测方法可以为：
【权利要求】
1. 一种信息处理方法，其特征在于，包括： 根据预先划分的每个时间段，确定当前时刻所在的时间段，作为当前时间段，确定所述 当前时间段之前设定数量的时间段，作为历史时间段； 根据待预测的目标数据的类型，确定记录的各历史时间段中与所述目标数据的类型相 同的数据，作为历史数据； 确定记录的所述当前时间段中与所述目标数据的类型相同的数据，作为实时数据，其 中，所述实时数据是在所述当前时间段中且在所述当前时刻之前记录的数据； 根据确定的所述历史数据和所述实时数据对所述目标数据进行预测； 根据预测结果进行信息处理。
2. 如权利要求1所述的方法，其特征在于，每个历史时间段对应的时间间隔均相同，所 述当前时间段对应的时间间隔与任一历史时间段对应的时间间隔相同； 确定记录的各历史时间段中与所述目标数据的类型相同的数据，具体包括： 针对每个历史时间段，确定该历史时间段中预设的各时间分隔点，其中，从该历史时间 段的时间起始点到该历史时间段的第m个时间分隔点的时间间隔，与任一其他历史时间段 的时间起始点到该其他历史时间段的第m个时间分隔点的时间间隔均相同，m为正整数； 确定记录的该历史时间段的时间起始点到每个时间分隔点对应的时间段中与所述目 标数据的类型相同的数据，作为该历史时间段中的每个历史分量数据； 确定记录的该历史时间段的时间起始点到时间终止点对应的时间段中与所述目标数 据的类型相同的数据，作为该历史时间段中的历史总量数据； 确定记录的所述当前时间段中与所述目标数据的类型相同的数据，具体包括： 确定所述当前时间段中预设的各时间分隔点，其中，从所述当前时间段的时间起始点 到所述当前时间段的第m个时间分隔点的时间间隔，与任一历史时间段的时间起始点到该 历史时间段的第m个时间分隔点的时间间隔相同； 在所述当前时间段的各时间分隔点中，确定在所述当前时刻之前最近的时间分隔点， 作为最近时间分隔点； 确定记录的从所述当前时间段的时间起始点到所述最近时间分隔点对应的时间段中 与所述目标数据的类型相同的数据，作为实时分量数据； 根据确定的所述历史数据和所述实时数据对所述目标数据进行预测，具体包括： 根据每个历史时间段中的历史分量数据和历史总量数据，W及所述当前时间段中的所 述实时分量数据，对所述目标数据进行预测。
3. 如权利要求2所述的方法，其特征在于，根据每个历史时间段中的历史分量数据和 历史总量数据，W及所述当前时间段中的所述实时分量数据，对所述目标数据进行预测，具 体包括： 针对第m个时间分隔点，采用公5
确定第m个时间分隔点对应的 历史数据比值rate (m)，其中，n表示n个历史时间段，i表示n个历史时间段中的第i个历 史时间段，坏表示从第i个历史时间段的时间起始点到第i个历史时间段中的第m个时间 分隔点对应的时间段中的历史分量数据，表示第i个历史时间段中的历史总量数据；
采用公式P = current (a)/rate (a)预测目标总量数据P，其中，a表示所述当前时间段 中的第a个时间分隔点为所述最近时间分隔点，current(a)为所述实时分量数据，rate(a) 为第a个时间分隔点对应的历史数据比值； 采用公式p(b) =PXrate(b)预测目标分量数据P化），其中，b表示所述当前时间段中 的第b个时间分隔点，且第b个时间分隔点位于所述最近时间分隔点之后，p(b)为预测的 从所述当前时间段的时间起始点到所述当前时间段的第b个时间分隔点对应的时间段中 的目标分量数据，rate化）为第b个时间分隔点对应的历史数据比值。
4. 如权利要求3所述的方法，其特征在于，所述方法还包括： 当监测到最近时间分隔点发生变化时，根据变化后的最近时间分隔点重新确定记录的 实时分量数据； 根据每个历史时间段中的历史分量数据和历史总量数据，W及重新确定的实时分量数 据，重新对所述目标数据进行预测。
5. 如权利要求2所述的方法，其特征在于，确定所述当前时间段之前设定数量的时间 段，作为历史时间段，具体包括： 确定所述当前时间段之前、且与所述当前时间段最近、且针对每个时间分隔点均记录 了对应的历史分量数据的设定数量的时间段，作为历史时间段； 当监测到所述当前时间段之前、且与所述当前时间段最近、且针对每个时间分隔点均 记录了对应的历史分量数据的设定数量的时间段发生变化时，重新确定作为历史时间段的 各时间段。
6. -种信息处理装置，其特征在于，包括： 时间段确定模块，用于根据预先划分的每个时间段，确定当前时刻所在的时间段，作为 当前时间段，确定所述当前时间段之前设定数量的时间段，作为历史时间段； 历史数据确定模块，用于根据待预测的目标数据的类型，确定记录的所述时间段确定 模块确定出的各历史时间段中与所述目标数据的类型相同的数据，作为历史数据； 实时数据确定模块，用于确定记录的所述时间段确定模块确定出的所述当前时间段中 与所述目标数据的类型相同的数据，作为实时数据，其中，所述实时数据是在所述当前时间 段中且在所述当前时刻之前记录的数据； 预测模块，用于根据所述历史数据确定模块确定的所述历史数据和所述实时数据确定 模块确定的所述实时数据对所述目标数据进行预测； 处理模块，用于根据所述预测模块的预测结果进行信息处理。
7. 如权利要求6所述的装置，其特征在于，每个历史时间段对应的时间间隔均相同，所 述当前时间段对应的时间间隔与任一历史时间段对应的时间间隔相同； 所述历史数据确定模块具体用于，针对每个历史时间段，确定该历史时间段中预设的 各时间分隔点，其中，从该历史时间段的时间起始点到该历史时间段的第m个时间分隔点 的时间间隔，与任一其他历史时间段的时间起始点到该其他历史时间段的第m个时间分隔 点的时间间隔均相同，m为正整数；确定记录的该历史时间段的时间起始点到每个时间分 隔点对应的时间段中与所述目标数据的类型相同的数据，作为该历史时间段中的每个历史 分量数据；确定记录的该历史时间段的时间起始点到时间终止点对应的时间段中与所述目 标数据的类型相同的数据，作为该历史时间段中的历史总量数据； 所述实时数据确定模块具体用于，确定所述当前时间段中预设的各时间分隔点，其中， 从所述当前时间段的时间起始点到所述当前时间段的第m个时间分隔点的时间间隔，与任 一历史时间段的时间起始点到该历史时间段的第m个时间分隔点的时间间隔相同；在所述 当前时间段的各时间分隔点中，确定在所述当前时刻之前最近的时间分隔点，作为最近时 间分隔点；确定记录的从所述当前时间段的时间起始点到所述最近时间分隔点对应的时间 段中与所述目标数据的类型相同的数据，作为实时分量数据； 所述预测模块具体用于，根据每个历史时间段中的历史分量数据和历史总量数据，W 及所述当前时间段中的所述实时分量数据，对所述目标数据进行预测。
8. 如权利要求7所述的装置，其特征在于，所述预测模块具体用于，针对第m个时间分 隔点，采用公苗
插定第m个时间分隔点对应的历史数据比值rate(m)， 其中，n表示n个历史时间段，i表示n个历史时间段中的第i个历史时间段，《表示从第 i个历史时间段的时间起始点到第i个历史时间段中的第m个时间分隔点对应的时间段中 的历史分量数据，y;表示第i个历史时间段中的历史总量数据；采用公式P = current (a)/ rate(a)预测目标总量数据P，其中，a表示所述当前时间段中的第a个时间分隔点为所述 最近时间分隔点，current (a)为所述实时分量数据，rate (a)为第a个时间分隔点对应的 历史数据比值；采用公式P化）=PXrate化）预测目标分量数据P化），其中，b表示所述当 前时间段中的第b个时间分隔点，且第b个时间分隔点位于所述最近时间分隔点之后，P化） 为预测的从所述当前时间段的时间起始点到所述当前时间段的第b个时间分隔点对应的 时间段中的目标分量数据，rate化）为第b个时间分隔点对应的历史数据比值。
9. 如权利要求8所述的装置，其特征在于，所述实时数据确定模块还用于，当监测到最 近时间分隔点发生变化时，根据变化后的最近时间分隔点重新确定记录的实时分量数据； 所述预测模块还用于，根据每个历史时间段中的历史分量数据和历史总量数据，W及 重新确定的实时分量数据，重新对所述目标数据进行预测。
10. 如权利要求7所述的装置，其特征在于，所述历史时间段确定模块具体用于，确定 所述当前时间段之前、且与所述当前时间段最近、且针对每个时间分隔点均记录了对应的 历史分量数据的设定数量的时间段，作为历史时间段；当监测到所述当前时间段之前、且与 所述当前时间段最近、且针对每个时间分隔点均记录了对应的历史分量数据的设定数量的 时间段发生变化时，重新确定作为历史时间段的各时间段。
【文档编号】G06F17/30GK104424294SQ201310392913
【公开日】2015年3月18日 申请日期:2013年9月2日 优先权日:2013年9月2日
【发明者】殷霞 申请人:阿里巴巴集团控股有限公司