基于时间序列的多头注意力自学习政策有效性评估系统

本发明涉及基于时间序列的多头注意力自学习政策有效性评估系统，属于人工智能领域，系统包括：预测目标模块，用于对政策影响相关的预测目标进行选定；数据收集模块，用于收集与预测目标相关的多源历史数据；模型构建模块，模型通过对比学习，学习历史数据的表示并推测未来的政策影响，构建的模型架构包括编码层、解码层、注意力计算层、位置编码层以及输出层；模型训练模块，用于通过对比学习的训练方式，对模型参数进行调整和优化；应用与预测模块，通过训练完成的模型对政策实施后的影响进行预测评估。本发明通过融合对比学习框架与注意力机制，突破传统方法的线性约束，实现政策效应的非线性建模与动态预测。