(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 202211381657.8 (22)申请日 2022.11.07 (71)申请人 广东中思拓大 数据研究院有限公司 地址 510623 广东省广州市天河区临江大 道57号801室(部位:自编A 2单元) (72)发明人 徐子然　杨亮山　徐徵　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 虞凌霄 (51)Int.Cl. G06Q 10/04(2012.01) G06N 20/00(2019.01) G06Q 30/02(2012.01) G06Q 50/16(2012.01) (54)发明名称 对象信息预测方法、 装置、 计算机设备和存 储介质 (57)摘要 本申请涉及一种对象信息预测方法、 装置、 计算机设备、 存储介质和计算机程序产品， 可用 于大数据技术领域。 该方法包括： 获取待预测对 象的对象特征数据、 区域标识和当前预测时间； 确定与区域标识和当前预测时间均匹配的目标 对象信息 预测模型； 目标对象信息预测模型包括 多个决策树模 型； 分别将对象特征数据中与各个 决策树模型的对象特征组合匹配的对象特征数 据， 输入到各个决策树模型， 得到待预测对象的 各个初始预测 信息； 根据各个决策树模型对应的 模型重要性参数， 对待预测对象的各个初始预测 信息进行融合处理， 得到待预测对象的综合预测 信息； 对综合预测信息进行修正， 得到待预测对 象的当前预测信息。 采用本方法， 能够提高对象 信息预测准确率。 权利要求书2页 说明书20页 附图5页 CN 115526434 A 2022.12.27 CN 115526434 A 1.一种对象信息预测方法， 其特 征在于， 所述方法包括： 获取待预测对象的对象特 征数据、 区域标识和当前 预测时间； 确定与所述区域标识和所述当前预测时间均匹配的目标对象信 息预测模型； 所述目标 对象信息预测模型包括多个决策树模型， 每 个决策树模型对应的对象特 征组合不同； 分别将所述对象特征数据中与各个决策树模型的对象特征组合匹配的对象特征数据， 输入到所述各个决策树模型， 得到所述待预测对象的各个初始预测信息； 根据所述各个决策树模型对应的模型重要性参数， 对所述待预测对象的各个初始预测 信息进行融合处理， 得到所述待预测对 象的综合预测信息； 所述各个决策树模型对应的模 型重要性 参数， 根据所述各个决策树模型的训练数据的误差量确定； 对所述综合预测信息进行修 正， 得到所述待预测对象的当前 预测信息 。 2.根据权利要求1所述的方法， 其特征在于， 所述分别将所述对象特征数据中与各个决 策树模型 的对象特征组合匹配的对 象特征数据， 输入到所述各个决策树模型， 得到所述待 预测对象的各个初始预测信息， 包括： 分别将所述对象特征数据中与各个决策树模型的对象特征组合匹配的对象特征数据， 输入到所述各个决策树模型， 得到所述各个决策树模型中对应的匹配节点； 根据所述各个决策树模型中的匹配节点的对象预测信 息， 得到所述待预测对象的各个 初始预测信息 。 3.根据权利要求1所述的方法， 其特征在于， 所述确定与 所述区域标识和所述当前预测 时间均匹配的目标对象信息预测模型， 包括： 从训练完成的对象信 息预测模型中， 确定与所述 区域标识匹配的初始对象信 息预测模 型； 每个初始对象信息预测模型匹配有对应的基准预测时间； 从所述初始对象信 息预测模型中， 筛选出对应的基准预测时间与所述当前预测时间匹 配的目标对象信息预测模型。 4.根据权利要求3所述的方法， 其特征在于， 每个训练完成的对象信 息预测模型通过下 述方式训练得到： 获取同一个区域标识的样本对象的样本对象特征数据； 每个样本对象的资源转移时间 均位于已确定的基准预测时间之前的预设时间范围内； 根据所述样本对象特征数据， 得到多份决策树基准数据表； 每份决策树基准数据表包 含所述样本对象中的部 分样本对象的目标对象特征数据， 每份决策树基准数据表中的目标 对象特征数据对应的对象特 征组合不同； 根据所述多份决策树基准数据表， 构建多个决策树模型； 确定各个决策树模型对应的误差量； 根据所述各个决策树模型对应的误差量， 确定所述各个决策树模型对应的模型重要性 参数； 根据所述各个决策树模型对应的模型重要性参数， 对所述各个决策树模型进行融合处 理， 得到对应的对象信息预测模型。 5.根据权利要求4所述的方法， 其特征在于， 所述确定各个决策树模型对应的误差量， 包括： 分别将所述样本对象中与所述各个决策树模型的决策树基准数据表中的样本对象不权　利　要　求　书 1/2 页 2 CN 115526434 A 2同的目标样本对 象的目标对 象特征数据， 输入所述各个决策树模型中， 得到各个所述 目标 对象的初始预测信息； 分别根据 各个所述目标对象的初始预测信 息和实际预测信 息之间的差异， 得到所述各 个决策树模型对应的误差量。 6.根据权利要求4所述的方法， 其特征在于， 所述根据所述各个决策树模型对应的误差 量， 确定所述各个决策树模型对应的模型重要性 参数， 包括： 获取所述各个决策树模型对应的误差量中的中位数， 作为所述各个决策树模型的目标 误差量； 获取与所述各个决策树模型的目标误差量对应的模型 预测精准度； 对与所述各个决策树模型的目标误差量对应的模型预测精准度进行归一化处理， 得到 所述各个决策树模型对应的模型重要性 参数。 7.根据权利要求1至6任一项所述的方法， 其特征在于， 所述对所述综合预测信息进行 修正， 得到所述待预测对象的当前 预测信息， 包括： 获取所述目标对象信息预测模型的历史对象信息预测模型输出的所述待预测对象的 历史综合预测信息； 根据所述历史综合预测信息， 对所述综合预测信息进行修正， 得到修正后的综合预测 信息， 作为所述待预测对象的当前 预测信息 。 8.一种对象信息预测装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于获取待预测对象的对象特 征数据、 区域标识和当前 预测时间； 模型确定模块， 用于确定与 所述区域标识和所述当前预测时间均匹配的目标对象信 息 预测模型； 所述目标对 象信息预测模型包括多个决策树模型， 每个决策树模型对应的对 象 特征组合不同； 初始预测模块， 用于分别将所述对象特征数据中与各个决策树模型的对象特征组合匹 配的对象特征数据， 输入到所述各个决策树模型， 得到所述待预测对 象的各个初始预测信 息； 综合预测模块， 用于根据所述各个决策树模型对应的模型重要性参数， 对所述待预测 对象的各个初始预测信息进行融合处理， 得到所述待预测对 象的综合预测信息； 所述各个 决策树模型对应的模型重要性 参数， 根据所述各个决策树模型的训练数据的误差量确定； 信息修正模块， 用于对所述综合预测信息进行修正， 得到所述待预测对象的当前预测 信息。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115526434 A 3