-
公开(公告)号：CN114971057B
公开(公告)日：2025-03-28
申请号：CN202210647255.1
申请日：2022-06-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种预测时间序列的模型选择方法及装置，在对业务主体的预定业务指标预测相应的时间序列之前，可以从预先训练的多个备选预测模型中选择较优的预测模型。在预测模型选择过程中：一方面利用全局时间序列数据，提取全局时序特征来描述当前业务主体在预定业务指标上的长期业务规律，得到对各个备选预测模型的第一评价结果；另一方面利用短期的局部时间序列数据，提取局部时序特征来描述当前业务主体在预定业务指标上的短期业务状态，得到对各个备选预测模型的第二评价结果。进一步地，将第一评价结果和第二评价结果进行融合，以选出较优的预测模型进行时序预测。这种方式可以提高时间序列预测的准确度。
-
公开(公告)号：CN115118780B
公开(公告)日：2023-12-01
申请号：CN202210630602.X
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L67/60 , H04L67/133 , H04L41/16
Abstract: 本说明书实施例提供了一种获取资源分配模型的方法、资源分配方法及对应装置。具体技术方案包括：首先从一个以上的应用服务的历史数据中获取训练数据，各训练数据包括应用服务在各时刻的流量特征数据和计算资源实际使用状况；然后采用元强化学习机制建立资源分配模型，所述资源分配模型从所述流量特征数据和所述计算资源的实际使用状况中学习在各时刻对应用服务采用的资源分配调整策略，以使得按照资源分配调整策略调整计算资源后所述一个以上的应用服务在各时刻的计算资源使用状况与
-
公开(公告)号：CN115118780A
公开(公告)日：2022-09-27
申请号：CN202210630602.X
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L67/60 , H04L67/133 , H04L41/16
Abstract: 本说明书实施例提供了一种获取资源分配模型的方法、资源分配方法及对应装置。具体技术方案包括：首先从一个以上的应用服务的历史数据中获取训练数据，各训练数据包括应用服务在各时刻的流量特征数据和计算资源实际使用状况；然后采用元强化学习机制建立资源分配模型，所述资源分配模型从所述流量特征数据和所述计算资源的实际使用状况中学习在各时刻对应用服务采用的资源分配调整策略，以使得按照资源分配调整策略调整计算资源后所述一个以上的应用服务在各时刻的计算资源使用状况与预期使用状况之间的差异小于预定值。
-
公开(公告)号：CN115034462B
公开(公告)日：2025-02-18
申请号：CN202210623040.6
申请日：2022-06-02
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种针对分层业务的时间序列预测方法及装置，用于预测单个业务在多阶层次上的业务主体的业务量构成的时间序列，其中，单个层次对应至少一个业务主体。根据一个实施方式，在获取多个层次中各个业务主体一一对应的各个历史时间序列后，可以对各个历史时间序列进行编码，得到相应的各个编码向量，然后构建各个编码向量满足的多元高斯分布，并将多元高斯分布转换为非参数化复杂分布，进一步按照分参数化复杂分布进行采样得到的采样序列，确定分别针对各个业务主体的各个预测序列。该方式可以提高预测结果的准确性。
-
公开(公告)号：CN116010030A
公开(公告)日：2023-04-25
申请号：CN202211728405.8
申请日：2022-12-30
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了用于容器扩缩容的方法及装置。在该方法中，响应于容器缩容指令，根据处于在线状态的容器的初始数量以及缩容后的目标数量确定待下线的目标容器；将目标容器的流量关闭，以使得目标容器由在线状态转换成流量关闭状态，其中，处于流量关闭状态的容器的资源保持不变，处于流量关闭状态的容器在流量开启时转换成在线状态；以及在间隔第一指定时长时，释放目标容器的资源。
-
Patent Agency Ranking
公开(公告)号：CN115222093A
公开(公告)日：2022-10-21
申请号：CN202210651221.X
申请日：2022-06-10
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先从m个被测对象的历史时间序列获取训练数据，训练数据包括m个被测对象在连续n个时间点的指标值；然后利用训练数据训练得到m元时间序列预测模型；其中，依时间顺序将各时间点分别作为第ts个时间点执行：将m个被测对象在第ts个时间点的指标值输入m元时间序列预测模型，由m元时间序列预测模型依据m个被测对象在第ts个时间点及其之前各时间点的指标值预测m个被测对象在第ts个时间点之后τ个时间点的指标值；训练目标包括最小化预测的指标值与训练数据中对应指标值的差异。本说明书实施例能够实现更为准确的时间序列预测。
-
公开(公告)号：CN115221427A
公开(公告)日：2022-10-21
申请号：CN202210662411.1
申请日：2022-06-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9537 , G06Q10/04 , G06Q10/06 , G06Q10/10
Abstract: 本说明书实施例公开了一种时间序列预测方法、装置、设备、介质及程序产品。其中，该方法包括：首先获取1至t时刻的N元时间序列；上述N元时间序列由时间长度一致，且统计指标相同的N个统计目标各自对应的时间序列组成；然后获取1至t+m时刻的N元时间序列对应的目标协变量；最后将1至t时刻的N元时间序列以及目标协变量输入时间序列预测模型中，可以根据基于标准化流技术得到的观测方程输出t+1至t+m时刻的N元预测时间序列；预测时间序列为m个时刻的统计指标各自对应的预测数值按其未来发生时间的先后顺序排列而成的数列，通过标准化流技术生成观测方程，可以更为精确地刻画现实世界中复杂的数据分布，提升时间序列预测的准确性。
-
公开(公告)号：CN115186229A
公开(公告)日：2022-10-14
申请号：CN202210630578.X
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种建立时序预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先获取连续n个时间序列，每个时间序列中包含多个时间点的指标值，所述n为大于1的正整数；然后对所述n个时间序列分别进行凸包提取，得到n个凸包时间序列；最后将所述n个凸包时间序列输入预先训练得到的时序预测模型，得到所述时序预测模型对所述n个等时长的时间序列之后τ个时间序列的统计指标数据，所述τ为大于或等于1的正整数，各时间序列的长度相等。
-
公开(公告)号：CN115034462A
公开(公告)日：2022-09-09
申请号：CN202210623040.6
申请日：2022-06-02
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种针对分层业务的时间序列预测方法及装置，用于预测单个业务在多阶层次上的业务主体的业务量构成的时间序列，其中，单个层次对应至少一个业务主体。根据一个实施方式，在获取多个层次中各个业务主体一一对应的各个历史时间序列后，可以对各个历史时间序列进行编码，得到相应的各个编码向量，然后构建各个编码向量满足的多元高斯分布，并将多元高斯分布转换为非参数化复杂分布，进一步按照分参数化复杂分布进行采样得到的采样序列，确定分别针对各个业务主体的各个预测序列。该方式可以提高预测结果的准确性。
-
公开(公告)号：CN115034461A
公开(公告)日：2022-09-09
申请号：CN202210621721.9
申请日：2022-06-02
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种针对分层业务的时间序列预测方法及装置，用于预测单个业务在多阶层次上的业务主体的业务量构成的时间序列，其中，单个层次对应至少一个业务主体。根据一个实施方式，在获取多个层次中各个业务主体一一对应的各个历史时间序列后，可以对各个历史时间序列进行编码，得到相应的各个编码向量，然后构建各个编码向量满足的联合概率分布，进一步对各个业务主体分别按照联合概率分布进行采样得到的采样序列，确定分别针对各个业务主体的各个预测序列。该方式可以提高预测结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.029 seconds)
