基于跨模态特征的预测模型训练及预测方法、设备及产品

本申请实施例提供一种基于跨模态特征的预测模型训练及预测方法、设备及产品，涉及人工智能领域。该方法包括：获取训练样本集，训练样本集包括：时间序列数据以及真实标签；基于时间序列数据生成文本数据，对时间序列数据和文本数据进行特征提取，对提取到的特征进行整合处理，确定跨模态特征，并确定对应的整合损失；将跨模态特征输入到预先训练的大语言模型中，得到预测结果，并基于预测结果和真实标签，确定监督损失，大语言模型是基于预测业务对通用大语言模型的模型参数进行微调得到的；基于整合损失和监督损失，对大语言模型的模型参数进行调整，得到预测模型。本申请的方法，缩小了时间序列数据与文本数据之间的模态差距，提升预测准确性。