[发明专利]一种基于模糊神经网络的信息生成方法、装置及设备

权利要求书

1.一种基于模糊神经网络的信息生成方法，其特征在于，所述模糊神经网络包括输入向量层、主成分分析层、隐含层、模糊化层和输出向量层，所述主成分分析层位于所述输入向量层和所述隐含层之间，所述模糊化层位于所述隐含层和所述输出向量层之间，所述方法包括：

在所述主成分分析层对获取的维度参数进行主成分分析，确定特征参数，所述主成分分析前的参数为用户画像，所述主成分分析后的参数为影响用户消费行为的关键画像；

在所述隐含层根据非线性激励函数对所述特征参数进行平滑化处理，确定与所述特征参数对应的业务参数；

在所述模糊化层利用模糊映射原理对所述业务参数进行处理，生成待推荐信息；

建立所述待推荐信息与所述特征参数的映射关系，以便于生成推荐信息，所述推荐信息包括与语音业务、短信业务、流量业务、宽带业务、交互式网络电视业务对应的推荐信息；

所述根据非线性激励函数对所述特征参数进行平滑化处理，包括：配合所述模糊化层两次使用所述非线性激励函数对所述特征参数进行平滑化处理。

2.根据权利要求1所述的方法，其特征在于，所述对获取的维度参数进行主成分分析，确定特征参数，包括：

获取所述维度参数；

利用仿射空间的正交变换对所述维度参数进行主成分分析，确定所述特征参数。

3.根据权利要求1所述的方法，其特征在于，在所述根据非线性激励函数对所述特征参数进行平滑化处理，确定与所述特征参数对应的业务参数的步骤之前，还包括：

对所述特征参数进行离散化处理。

4.根据权利要求1所述的方法，其特征在于，所述根据非线性激励函数对所述特征参数进行平滑化处理，确定与所述特征参数对应的业务参数，包括：

根据非线性激励函数和所述特征参数，分别计算第一系数、第二系数和第三系数；其中，所述第一系数、所述第二系数和第三系数分别为三个相邻参数层的系数；

根据所述第三系数，确定与所述特征参数对应的业务参数。

5.根据权利要求4所述的方法，其特征在于，根据所述第三系数，确定与所述特征参数对应的业务参数，包括：

根据所述非线性激励函数对所述第三系数进行归一化处理，确定与所述特征参数对应的业务参数。

6.根据权利要求1所述的方法，其特征在于，所述利用模糊映射原理对所述业务参数进行处理，生成待推荐信息，包括：

利用模糊映射原理对所述业务参数进行迭代处理，生成待推荐信息。

7.根据权利要求1所述的方法，其特征在于，所述利用模糊映射原理对所述业务参数进行处理，生成待推荐信息，包括：

对所述业务参数进行计算，确定评价误差函数；

根据所述评价误差函数对所述模糊神经网络中的各个神经元进行处理，确定所述各个神经元的权值；

对所述各个神经元的权值进行迭代处理，生成所述待推荐信息。

8.根据权利要求7所述的方法，其特征在于，所述对所述各个神经元的权值进行迭代处理，生成所述待推荐信息，包括：

对所述各个神经元的权值进行共轭梯度迭代处理，生成所述待推荐信息。

9.根据权利要求8所述的方法，其特征在于，所述迭代的方式还包括：牛顿迭代法、最速下降法或者斐波那切数列黄金分割迭代法。

10.根据权利要求1所述的方法，其特征在于，所述建立所述待推荐信息与所述特征参数的映射关系，以便于生成推荐信息，包括：

根据所述待推荐信息与所述特征参数的映射关系，生成推荐信息；其中，所述推荐信息与所述特征参数对应的业务参数相关。