摘要
本发明提供了一种复杂数据的建模方法、装置、设备、及可读存储介质,通过获取待建模数据,并将数据划分为静态数据和动态数据;接着,调用XGBoost模型对所述静态数据进行特征提取,以生成静态特征,其中,所述静态特征包括静态属性和不随时间变化的特征;再接着,调用LSTM模型对所述动态数据进行特征提取,以生成动态特征,其中,所述动态特征包括数据中随时间变化的模式和趋势;最后,将所述静态特征作为查询、所述动态特征作为键和值,基于交叉注意力机制加权融合所述静态特征和动态特征,通过分类器输出建模数据。解决了现有技术无法有效结合复杂数据的静态和动态数据之间的潜在关系,进而导致模型无法充分表达数据的整体特征。
技术关键词
静态特征
XGBoost模型
LSTM模型
交叉注意力机制
建模方法
动态
分类器
建模装置
数据
最佳参数组合
更新模型参数
时序特征
传播算法
标签
优化器
可读存储介质
处理器
网格
模式