[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

说明书

本申请实施例提供了一种基于模糊神经网络的信息生成方法、装置及设备，包括：对获取的维度参数进行主成分分析，确定特征参数；根据非线性激励函数对特征参数进行平滑化处理，确定与特征参数对应的业务参数；利用模糊映射原理对业务参数进行处理，生成待推荐信息；建立待推荐信息与特征参数的映射关系，以便于生成推荐信息。本申请，利用主成分分析法确定特征参数，采用非线性激励函数构造模糊神经网络，从而根据特征参数计算输出适合用户的业务信息，利用模糊映射原理构造神经网络，解决了目前面对海量用户数据，单一用户标签线性匹配不精准的问题。能够实现推荐信息的准确率和效率的同时，降低人力成本的目的。

技术领域

本发明属于互联网技术领域，尤其涉及一种基于模糊神经网络的信息生成方法、装置、设备和计算机存储介质。

背景技术

随着通信行业的迅猛发展，各种增值业务如雨后春笋般的出现。与此同时，在技术层面上，也从全球移动通信系统(global system for mobile communication，GSM)到第五代移动通信技术(5-generation，5G)的飞跃。与此对应的，业务层面从语音、短信、流量、宽带、交互式网络电视(IPTV)等融合类个性化业务的发展，为从不同维度以满足用户个性化的需求，提出精准的推荐信息。目前，主要简单的线性标签方式刻画用户画像(即用户习惯)，由管理人员根据经验提出推荐信息。

因此，需要提供一种更加合理的信息生成方案，避免单一用户线性标签匹配不精准的缺陷、人为参与导致主观性营销、以及数据挖掘效率低的问题。

发明内容

本申请实施例提供一种基于模糊神经网络的信息生成方法、装置、设备和计算机存储介质，能够实现推荐信息的准确率和效率的同时，降低人力成本的目的。

第一方面，本申请实施例提供了一种基于模糊神经网络的信息生成方法，该方法可以包括：

对获取的维度参数进行主成分分析，确定特征参数；

根据非线性激励函数对特征参数进行平滑化处理，确定与特征参数对应的业务参数；

利用模糊映射原理对业务参数进行处理，生成待推荐信息；

建立待推荐信息与特征参数的映射关系，以便于生成推荐信息。

本申请，利用主成分分析法确定特征参数，采用非线性激励函数构造模糊神经网络，从而根据特征参数计算输出适合用户的业务信息，利用模糊映射原理构造神经网络，解决了目前面对海量用户数据，单一用户标签线性匹配不精准的缺陷、主观性营销以及数据挖掘效率低的问题。能够实现推荐信息的准确率和效率的同时，降低人力成本的目的。

在一种可能的实施方式中，上述“对获取的维度参数进行主成分分析，确定特征参数”的步骤中，具体可以包括：

获取维度参数；利用仿射空间的正交变换对维度参数进行主成分分析，确定特征参数。

在另一种可能的实施方式中，在上述“根据非线性激励函数对特征参数进行平滑化处理，确定与特征参数对应的业务参数”的步骤之前，还可以包括：

对特征参数进行离散化处理。

在又一种可能的实施方式中，上述“根据非线性激励函数对特征参数进行平滑化处理，确定与特征参数对应的业务参数”的步骤中，具体可以包括：

根据非线性激励函数和特征参数，分别计算第一系数、第二系数和第三系数；其中，第一系数、第二系数和第三系数分别为三个相邻参数层的系数；根据第三系数，确定与特征参数对应的业务参数。

在再一种可能的实施方式中，上述“根据第三系数，确定与特征参数对应的业务参数”的步骤中，具体可以包括：

根据非线性激励函数对第三系数进行归一化处理，确定与特征参数对应的业务参数。