IP-Coster | WO2026103074 | DATA-SHARING API CALL VOLUME PREDICTION METHOD, APPARATUS AND DEVICE

Country	Stages	Total
China	Filing, Examination, Granting	1576
EPO	Filing, Examination, Granting	11576
Japan	Filing, Examination, Granting	2001
South Korea	Filing, Examination, Granting	1805
USA	Filing, Examination, Granting	4740

Abstract[English] The present invention relates to the technical field of call volume prediction, and in particular to a data-sharing API call volume prediction method, apparatus and device. In the method, a VMD algorithm is used to decompose a time sequence of an original call volume so as to reduce data instability and random fluctuations and enhance a prediction effect of a model; in view of the problems of weak feature extraction capability and low prediction accuracy of a single model, a convolutional neural network (CNN) is combined with long short-term memory (LSTM) to enhance the capability of extracting sequence features and improve sequence prediction accuracy; and an improved particle swarm optimization algorithm is used to enhance the global and local search capabilities of particles at different stages during iteration and enhance the capability of searching for optimal hyperparameters of a CNN-LSTM prediction model, thereby improving prediction accuracy and generalization. The present invention is suitable for prediction tasks of data-sharing API call volume in large-sample scenarios.[French] La présente invention se rapporte au domaine technique de la prédiction de volume d'appels, et concerne en particulier un procédé, un appareil et un dispositif de prédiction de volume d'appels d'API à partage de données. Dans le procédé, un algorithme VMD est utilisé pour décomposer une séquence temporelle d'un volume d'appels initial de façon à réduire l'instabilité et les fluctuations aléatoires de données et à améliorer un effet de prédiction d'un modèle ; compte tenu des problèmes posés par une faible capacité d'extraction de caractéristiques et une médiocre précision de prédiction d'un modèle unique, un réseau neuronal convolutif (CNN) est combiné à une mémoire longue à court terme (LSTM) pour améliorer la capacité d'extraction de caractéristiques de séquence et améliorer la précision de prédiction de séquence ; et un algorithme amélioré d'optimisation d'essaim de particules est utilisé pour améliorer les capacités de recherche globale et locale de particules à différentes étapes d'une itération, et améliorer la capacité de recherche d'hyperparamètres optimaux d'un modèle de prédiction CNN-LSTM, afin d'améliorer ainsi la précision et la généralisation de prédiction. La présente invention est appropriée pour des tâches de prédiction de volume d'appels d'API à partage de données dans des scénarios à grands échantillons.[Chinese] 本发明涉及调用量预测技术领域，具体涉及一种数据共享API调用量预测方法、装置和设备，其中，方法采用VMD算法对原始调用量的时间序列进行分解，用以降低数据的不稳定性和随机波动性，增强模型的预测效果，面对单一模型特征提取能力弱，预测精度低的问题，将卷积神经网络(CNN)和长短期记忆(LSTM)相结合，加强对序列特征提取的能力，提升序列预测精度，使用改进粒子群算法，提高粒子在迭代过程中不同阶段的全局和局部搜索能力，提升搜索CNN-LSTM预测模型最佳超参数能力，从而提高预测精度和泛化性，适合于大样本场景下数据共享API调用量的预测任务。

Total Number of Claims/PCT	*
Number of Independent Claims	*
Number of Priorities	*
Number of Multi-Dependent Claims	*
Number of Drawings	*
Pages for Publication	*
Number of Pages with Drawings	*
Pages of Specification	*
Sequence Listing	*
Number of Office Actions	*
International Search Report is established	*
International Searching Authority	CNIPA *
Recordal of a Change of the Applicant's Name/Address	Change of Applicant's Name and Address *
Type of Assignment	The Standard Agent's Assignment *
Applicant's Legal Status	Legal Entity *
Small Entity	*
Non-Commercial Organization	*
Micro Entity	*
Small Entity, USA	*
Micro Entity, USA	*
Entry into National Phase under	Chapter I *
Patent Delivery	Send the Letters Patent by Courier *
译文

WO2026103074 - DATA-SHARING API CALL VOLUME PREDICTION METHOD, APPARATUS AND DEVICE

Quotation for National Phase entry

Contact Us