事件预测方法和事件预测设备的制造方法
【技术领域】
[0001]本发明一般地涉及信息处理领域。具体而言，本发明涉及一种对未来的事件进行预测的事件预测方法和事件预测设备。
【背景技术】
[0002]传统的预测技术通常通过对预测的对象的历史数据进行分析，基于历史数据、现在的信息、将来的信息中的至少一个，对预测对象的未来数据进行预测。有的预测技术利用过去的历史数据预测过去的无记录时间点的数据。还有的预测技术利用过去的历史数据对其它历史数据进行验证/修正。
[0003]然而，传统的预测技术依赖于待预测对象的历史数据，无法对没有历史数据的对象进行预测。
[0004]而且，传统的预测技术单纯地围绕待预测的对象与时间的变化进行分析，仅涉及表象，而不去探究影响待预测的对象的各种因素，如人为因素、对象自身因素等。
[0005]因此，期望一种能够对无历史数据的对象进行预测的方法和设备。
【发明内容】
[0006]在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
[0007]本发明的目的是针对现有技术的上述问题，提出了一种能够对无历史数据的事件进行预测的方法和设备。
[0008]为了实现上述目的，根据本发明的一个方面，提供了一种事件预测方法，包括:针对待预测事件，选择与其同类别的参考事件；根据所述参考事件的预测模型，构建所述待预测事件的预测模型；以及基于所述待预测事件的特征数据，利用所构建的待预测事件的预测模型，对所述待预测事件进行预测。
[0009]根据本发明的另一个方面，提供了一种事件预测设备，包括:参考事件选择装置，被配置为:针对待预测事件，选择与其同类别的参考事件；预测模型构建装置，被配置为:根据所述参考事件的预测模型，构建所述待预测事件的预测模型；以及预测装置，被配置为:基于所述待预测事件的特征数据，利用所构建的待预测事件的预测模型，对所述待预测事件进行预测。
[0010]另外，根据本发明的另一方面，还提供了一种存储介质。所述存储介质包括机器可读的程序代码，当在信息处理设备上执行所述程序代码时，所述程序代码使得所述信息处理设备执行根据本发明的上述方法。
[0011 ] 此外，根据本发明的再一方面，还提供了一种程序产品。所述程序产品包括机器可执行的指令，当在信息处理设备上执行所述指令时，所述指令使得所述信息处理设备执行根据本发明的上述方法。
【附图说明】
[0012]参照下面结合附图对本发明实施例的说明，会更加容易地理解本发明的以上和其它目的、特点和优点。附图中的部件只是为了示出本发明的原理。在附图中，相同的或类似的技术特征或部件将采用相同或类似的附图标记来表示。附图中:
[0013]图1示出了根据本发明的实施例的事件预测方法的流程图；
[0014]图2示出了根据本发明的实施例的选择参考事件的方法的流程图；
[0015]图3示出了根据本发明的另一实施例的选择参考事件的方法的流程图；
[0016]图4示出了根据本发明实施例的事件预测设备的结构方框图；以及
[0017]图5示出了可用于实施根据本发明实施例的方法和设备的计算机的示意性框图。
【具体实施方式】
[0018]在下文中将结合附图对本发明的示范性实施例进行详细描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施方式的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。
[0019]在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤，而省略了与本发明关系不大的其他细节。另外，还需要指出的是，在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。
[0020]根据本发明的事件预测方法和事件预测设备不仅能够对有历史数据的事件进行预测，而且能够对无历史数据的事件进行预测。
[0021]事件是预测的对象，与数量有关。举例来说，事件可以是一段时间内的某种图书的销售量、某个景点的人流量、某一饭店的客流量等。本发明不限于此，只要事件与数量有关，希望对事件进行预测即可。
[0022]下面将参照图1描述根据本发明的实施例的事件预测方法的流程。
[0023]图1示出了根据本发明的实施例的事件预测方法的流程图。如图1所示，根据本发明的事件预测方法包括如下步骤:针对待预测事件，选择与其同类别的参考事件(步骤S1);根据所述参考事件的预测模型，构建所述待预测事件的预测模型(步骤S2);以及基于所述待预测事件的特征数据，利用所构建的待预测事件的预测模型，对所述待预测事件进行预测(步骤S3)。
[0024]如上所述，本发明能够对无历史数据的事件进行预测。由于无历史数据的事件缺乏事件本身的历史数据作为预测的基础，所以需要寻找其他的预测基础。
[0025]本发明的发明人意识到:同类别的事件往往是相似的，它们具有相同或相似的特征，可以彼此借鉴。
[0026]举例来说，一本图书一般都具有书名、作者、价格、类别、编辑推荐、内容推荐等特征。可以认为图书是同类别的事物。相应地，图书在某一时间段内的销量具有如上列举的特征。因此，如果将事件限定为图书在某一时间段内的销量，则一本尚未上线销售的图书可以借助于已经上线销售的图书来预测未来某一时间段内的销量。
[0027]应注意，为了描述的形象和易于理解，本发明采用图书的销量作为事件的示例。本发明不限于此。与数量有关的事件均可比照本发明的实施例类似地利用本发明的方法和设备进行预测处理。
[0028]在步骤S1中，针对待预测事件，选择与其同类别的参考事件。
[0029]参考事件应具有历史数据。例如，参考事件是另一本图书的过去时间段的销量。
[0030]如上所述，选择与待预测事件同一类别的参考事件帮助预测待预测事件。选择参考事件主要基于待预测事件与候选事件之间的特征，计算两者之间的相似度，作为选择的基准。
[0031]具体地，图2示出了根据本发明的实施例的选择参考事件的方法的流程图。如图2所示，根据本发明的选择参考事件的方法包括如下步骤:计算所述待预测事件与同类别的候选事件的相似度(步骤S21);选择相似度最高的预定数量的候选事件，作为所述参考事件(步骤S22)。
[0032]图3示出了根据本发明的另一实施例的选择参考事件的方法的流程图。如图3所示，根据本发明的选择参考事件的方法包括如下步骤:计算所述待预测事件与同类别的候选事件的相似度(步骤S31);选择相似度超过预定阈值的候选事件，作为所述参考事件(步骤S32)。
[0033]步骤S21与步骤S31相同，都是计算待预测事件和同类别的候选事件的相似度，以利于从候选事件中挑选出参考事件。
[0034]基于事件的特征计算事件之间的相似度的具体方法可以采用本领域已知的任何适当的相似度计算方法。
[0035]优选地，将事件的特征作为向量的元素，以这样的向量构成向量空间。在这样的向量空间中，计算待预测事件的向量与候选事件的向量之间的相似度，作为待预测事件与候选事件的相似度。
[0036]向量的相似度计算方法可以是计算向量之间的余弦夹角，作为相似度的值。也可以计算向量