[发明专利]一种网站访客价值的计算方法及系统

权利要求书

1、一种网站访客价值的计算方法，其特征在于，包括：

初始化网站访客价值计算模型，所述计算模型为神经网络模型，以访客信息为输入，以访客价值为输出；

使用数据样本对所述计算模型进行训练，确定所述计算模型；

获得访客信息，使用所确定的计算模型，计算所述访客的价值。

2、根据权利要求1所述的方法，其特征在于，所述初始化的计算模型为：

Y＝f₂(W₂f₁(W₁X+B₁)+B₂)

其中，X为输入向量；Y为输出向量；

W₁为隐含层权值矩阵，B₁为隐含层偏置向量，f₁为隐含层传递函数；

W₂为输出层权值矩阵，B₂为输出层偏置向量，f₂为输出层传递函数。

3、根据权利要求2所述的方法，其特征在于，所述f1为神经元的非线性作用函数，所述f2为线性函数。

4、根据权利要求1所述的方法，其特征在于，所述作为计算模型输入的访客信息为数值化的访客信息，所述作为计算模型输出的访客价值为数值化的访客价值。

5、根据权利要求1所述的方法，其特征在于，所述对计算模型进行训练，包括：使用误差反向传播算法对所述计算模型进行训练。

6、根据权利要求1所述的方法，其特征在于，所述确定计算模型，包括：当所述计算模型的样本输出值与期望输出值的误差满足精度要求时，确定所述计算模型。

7、根据权利要求1所述的方法，其特征在于，在确定所述计算模型之后，进一步包括：对当前所确定的计算模型进行修正，并将修正后的计算模型确定为新计算模型；

则所述使用所确定的计算模型，计算访客的价值为：使用所确定的新计算模型，计算访客的价值。

8、根据权利要求7所述的方法，其特征在于，所述对当前所确定的计算模型进行修正，包括：

由当前所确定的计算模型中，获得访客信息类别与访客价值的相关性，将相关性小于预设阈值的访客信息类别从所述当前所确定的计算模型的输入向量中删除。

9、根据权利要求7所述的方法，其特征在于，所述对所确定的计算模型进行修正，包括：

周期性或随机地对当前所确定的计算模型的实际输出值与期望输出值进行比较，如果误差大于预设阈值，则重新对所述计算模型进行训练。

10、一种网站访客价值的计算系统，其特征在于，包括：

初始化单元，用于初始化网站访客价值计算模型，所述计算模型为神经网络模型，以访客信息为输入，以访客价值为输出；

训练单元，用于使用数据样本对所述计算模型进行训练，确定所述计算模型；

计算单元，用于获得访客信息，使用所确定的计算模型，计算所述访客的价值。

11、根据权利要求10所述的系统，其特征在于，所述初始化的计算模型为：

Y＝f₂(W₂f₁(W₁X+B₁)+B₂)

其中，X为输入向量；Y为输出向量；

W1为隐含层权值矩阵，B1为隐含层偏置向量，f₁为隐含层传递函数；

W2为输出层权值矩阵，B2为输出层偏置向量，f₂为输出层传递函数。

12、根据权利要求11所述的系统，其特征在于，所述f₁为神经元的非线性作用函数，所述f₂为线性函数。

13、根据权利要求10所述的系统，其特征在于，所述作为计算模型输入的访客信息为数值化的访客信息，所述作为计算模型输出的访客价值为数值化的访客价值。

14、根据权利要求10所述的系统，其特征在于，所述训练单元，使用误差反向传播算法对所述计算模型进行训练。