本技術(shù)涉及人工智能領(lǐng)域，具體而言，涉及一種比賽排名預(yù)測方法、裝置、非易失性存儲介質(zhì)及電子設(shè)備。

背景技術(shù)：

1、隨著社會的發(fā)展，人們對于體育的熱情越來越高，體育賽事也越來越受到人們的關(guān)注。體育賽事包括各種比賽，如足球比賽、籃球比賽、游泳比賽、羽毛球比賽等，而比賽中的排名預(yù)測對于運動員的訓(xùn)練規(guī)劃具有重要的意義。然而，相關(guān)技術(shù)中的預(yù)測方法精度不高，準(zhǔn)確度差。

2、針對上述的問題，目前尚未提出有效的解決方案。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例提供了一種比賽排名預(yù)測方法、裝置、非易失性存儲介質(zhì)及電子設(shè)備，以至少解決由于現(xiàn)有技術(shù)對待預(yù)測對象信息處理不全面、特征提取精度不高造成的比賽排名預(yù)測準(zhǔn)確性低的技術(shù)問題。

2、根據(jù)本技術(shù)實施例的一個方面，提供了一種比賽排名預(yù)測方法，包括：獲取待預(yù)測對象的特征數(shù)據(jù)，其中，特征數(shù)據(jù)的種類包括以下至少之一：待預(yù)測對象在歷史比賽中的排名，待預(yù)測對象在參加歷史比賽時的年齡，待預(yù)測對象的在歷史比賽對應(yīng)的協(xié)會進行注冊的時間；將特征數(shù)據(jù)轉(zhuǎn)換為信息矩陣，其中，信息矩陣為包含一個三維矩陣的四維矩陣，三維矩陣包含第一預(yù)設(shè)數(shù)量個二維矩陣，每個二維矩陣用于表征一類特征數(shù)據(jù)，第一預(yù)設(shè)數(shù)量為三維矩陣中包含的特征數(shù)據(jù)的種類的數(shù)量；采用訓(xùn)練好的比賽成績預(yù)測模型對信息矩陣進行預(yù)測，得到比賽成績預(yù)測模型輸出的預(yù)測結(jié)果，其中，預(yù)測結(jié)果包括待預(yù)測對象在待預(yù)測比賽中取得各排名的概率；依據(jù)預(yù)測結(jié)果確定待預(yù)測對象的在待預(yù)測比賽中的排名。

3、可選地，獲取待預(yù)測對象的特征數(shù)據(jù)包括：采集待預(yù)測對象的身體狀態(tài)數(shù)據(jù)，其中，身體狀態(tài)數(shù)據(jù)包括以下至少之一：待預(yù)測對象的身高，待預(yù)測對象的體重；采集待預(yù)測對象的訓(xùn)練數(shù)據(jù)，其中，訓(xùn)練數(shù)據(jù)包括待預(yù)測對象在訓(xùn)練中的成績排名；從數(shù)據(jù)庫中讀取待預(yù)測對象的歷史比賽數(shù)據(jù)，其中，歷史比賽數(shù)據(jù)包括以下至少之一：待預(yù)測對象在歷史比賽中的排名，待預(yù)測對象在參加歷史比賽時的年齡，待預(yù)測對象的在歷史比賽對應(yīng)的協(xié)會進行注冊的時間。

4、可選地，將特征數(shù)據(jù)轉(zhuǎn)換為信息矩陣包括：構(gòu)建第一預(yù)設(shè)數(shù)量個二維矩陣，其中，二維矩陣包括第二預(yù)設(shè)數(shù)量的行數(shù)和第三預(yù)設(shè)數(shù)量的列數(shù)，特征數(shù)據(jù)的數(shù)據(jù)量小于或等于第二預(yù)設(shè)數(shù)量與第三預(yù)設(shè)數(shù)量的乘積；將所有種類的特征數(shù)據(jù)填入對應(yīng)的二維矩陣中，其中，各二維矩陣中相同位置的特征數(shù)據(jù)對應(yīng)的歷史比賽相同；將第一預(yù)設(shè)數(shù)量個二維矩陣合并為一個三維矩陣；在三維矩陣中添加一個維度，得到四維矩陣，將四維矩陣確定為信息矩陣。

5、可選地，將所有種類的特征數(shù)據(jù)填入對應(yīng)的二維矩陣中之后，方法還包括：在特征數(shù)據(jù)的數(shù)據(jù)量小于第二預(yù)設(shè)數(shù)量與第三預(yù)設(shè)數(shù)量的乘積的情況下，計算各類特征數(shù)據(jù)對應(yīng)的二維矩陣中的數(shù)據(jù)平均值；將各數(shù)據(jù)平均值填入對應(yīng)的二維矩陣的剩余位置。

6、可選地，依據(jù)預(yù)測結(jié)果確定待預(yù)測對象的在待預(yù)測比賽中的排名包括：將各個排名按照排名對應(yīng)的概率從大到小的順序進行排序；將排在首位的排名確定為待預(yù)測對象的比賽排名。

7、可選地，采用訓(xùn)練好的比賽成績預(yù)測模型對信息矩陣進行預(yù)測之前，方法還包括：獲取多個參賽人員的歷史特征數(shù)據(jù)；依據(jù)歷史特征數(shù)據(jù)訓(xùn)練比賽成績預(yù)測模型，得到訓(xùn)練好的比賽成績預(yù)測模型，其中，比賽成績預(yù)測模型包括卷積層、成績特征提取層、數(shù)據(jù)分割層、特征最大池化感知層、全連接層，成績特征提取層至少包括一個成績特征提取器結(jié)構(gòu)，成績特征提取器層至少包括一個卷積結(jié)構(gòu)和一個特征投影結(jié)構(gòu)，數(shù)據(jù)分割層至少包括一個卷積結(jié)構(gòu)和一個通道歸一化結(jié)構(gòu)，特征最大池化感知層包括多個最大池化感知結(jié)構(gòu)，最大池化感知結(jié)構(gòu)包括最大池化結(jié)構(gòu)和通道多層感知機。

8、可選地，依據(jù)歷史特征數(shù)據(jù)訓(xùn)練比賽成績預(yù)測模型包括：將歷史特征數(shù)據(jù)輸入卷積層，獲取卷積層生成的第一特征圖；將卷積層輸出的第一特征圖輸入成績特征提取器層的卷積結(jié)構(gòu)中，獲取成績特征提取器層的卷積結(jié)構(gòu)輸出的第二特征圖；將第二特征圖輸入特征投影結(jié)構(gòu)，獲取特征投影結(jié)構(gòu)輸出的第三特征圖，其中，特征投影結(jié)構(gòu)用于將第二特征圖投影到第一特征圖上，將投影結(jié)果確定為第三特征圖；將第一特征圖和第三特征圖相乘，得到第四特征圖。

9、可選地，得到第四特征圖后，方法還包括：將第四特征圖輸入數(shù)據(jù)分割層，得到數(shù)據(jù)分割層輸出的第五特征圖；將第五特征圖輸入特征最大池化感知結(jié)構(gòu)的最大池化結(jié)構(gòu)，獲取最大池化結(jié)構(gòu)輸出的第六特征圖；將第六特征圖與第五特征圖進行相加操作，得到第七特征圖；將第七特征圖輸入特征最大池化感知層的通道多層感知機，獲取通道多層感知機輸出的第八特征圖；將第七特征圖與第八特征圖相加，得到特征最大池化感知結(jié)構(gòu)的最終輸出。

10、根據(jù)本技術(shù)實施例的另一方面，還提供了一種比賽排名預(yù)測裝置，包括：獲取模塊，用于獲取待預(yù)測對象的特征數(shù)據(jù)，其中，特征數(shù)據(jù)的種類包括以下至少之一：待預(yù)測對象在歷史比賽中的排名，待預(yù)測對象在參加歷史比賽時的年齡，待預(yù)測對象的在歷史比賽對應(yīng)的協(xié)會進行注冊的時間；轉(zhuǎn)換模塊，用于將特征數(shù)據(jù)轉(zhuǎn)換為信息矩陣，其中，信息矩陣為包含一個三維矩陣的四維矩陣，三維矩陣包含第一預(yù)設(shè)數(shù)量個二維矩陣，每個二維矩陣用于表征一類特征數(shù)據(jù)，第一預(yù)設(shè)數(shù)量為三維矩陣中包含的特征數(shù)據(jù)的種類的數(shù)量；預(yù)測模塊，用于采用訓(xùn)練好的比賽成績預(yù)測模型對信息矩陣進行預(yù)測，得到比賽成績預(yù)測模型輸出的預(yù)測結(jié)果，其中，預(yù)測結(jié)果包括待預(yù)測對象在待預(yù)測比賽中取得各排名的概率；確定模塊，用于依據(jù)預(yù)測結(jié)果確定待預(yù)測對象的在待預(yù)測比賽中的排名。

11、根據(jù)本技術(shù)實施例的另一方面，還提供了一種非易失性存儲介質(zhì)，非易失性存儲介質(zhì)中存儲有程序，其中，在程序運行時控制非易失性存儲介質(zhì)所在設(shè)備執(zhí)行比賽排名預(yù)測方法。

12、根據(jù)本技術(shù)實施例的另一方面，還提供了一種電子設(shè)備，包括：存儲器和處理器，處理器用于運行存儲在存儲器中的程序，其中，程序運行時執(zhí)行比賽排名預(yù)測方法。

13、根據(jù)本技術(shù)實施例的另一方面，還提供了一種計算機程序產(chǎn)品，包括計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)比賽排名預(yù)測方法。

14、在本技術(shù)實施例中，采用獲取待預(yù)測對象的特征數(shù)據(jù)，其中，特征數(shù)據(jù)的種類包括以下至少之一：待預(yù)測對象在歷史比賽中的排名，待預(yù)測對象在參加歷史比賽時的年齡，待預(yù)測對象的在歷史比賽對應(yīng)的協(xié)會進行注冊的時間；將特征數(shù)據(jù)轉(zhuǎn)換為信息矩陣，其中，信息矩陣為包含一個三維矩陣的四維矩陣，三維矩陣包含第一預(yù)設(shè)數(shù)量個二維矩陣，每個二維矩陣用于表征一類特征數(shù)據(jù)，第一預(yù)設(shè)數(shù)量為三維矩陣中包含的特征數(shù)據(jù)的種類的數(shù)量；采用訓(xùn)練好的比賽成績預(yù)測模型對信息矩陣進行預(yù)測，得到比賽成績預(yù)測模型輸出的預(yù)測結(jié)果，其中，預(yù)測結(jié)果包括待預(yù)測對象在待預(yù)測比賽中取得各排名的概率；依據(jù)預(yù)測結(jié)果確定待預(yù)測對象的在待預(yù)測比賽中的排名的方式，通過構(gòu)建包含成績特征提取器與最大池化感知層的比賽成績預(yù)測模型，將運動員的個人信息和歷史成績信息轉(zhuǎn)換為四維矩陣輸入預(yù)測模型，達到了深層次挖掘特征之間關(guān)聯(lián)性的目的，從而實現(xiàn)了提高比賽排名預(yù)測準(zhǔn)確度的技術(shù)效果，進而解決了由于現(xiàn)有技術(shù)對待預(yù)測對象信息處理不全面、特征提取精度不高造成的比賽排名預(yù)測準(zhǔn)確性低的技術(shù)問題。