[发明专利]一种用户选择行为预测方法及装置在审

专利信息
申请号: 202011451953.1 申请日: 2020-12-09
公开(公告)号: CN112418559A 公开(公告)日: 2021-02-26
发明(设计)人: 刘震;王闯;周兴;李数 申请(专利权)人: 贵州优策网络科技有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06N3/04;G06N3/08
代理公司: 北京三聚阳光知识产权代理有限公司 11250 代理人: 李红团
地址: 550008 贵州省贵阳市贵阳国家高新技术*** 国省代码: 贵州;52
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 用户 选择 行为 预测 方法 装置
【说明书】:

发明提供了一种用户选择行为预测方法及装置,其中,该方法包括:获取影响目标用户选择行为的第一特征数据和第二特征数据;根据第一特征数据和预设神经网络模型获取表征目标用户选择行为的第一预测结果;对第二特征数据进行特征分析得到表征目标用户选择行为的第二预测结果;根据第一权值、第二权值及第一预测结果、第二预测结果确定目标用户选择行为的预测结果。预设神经网络模型可以对更多维度的数据进行分析,从而得到更准确的预测结果,传统的分析方法在任何情况下通过第二特征分析得到的第二预测结果都是符合实际应用情况的。本发明可以实现对预设神经网络模型和传统分析方法的互补,从而得到准确率更高的预测结果。

技术领域

本发明涉及信息处理技术领域,具体涉及一种用户选择行为预测方法及装置。

背景技术

航空旅客选择行为是一种用户对航空服务的消费和购买决策,分析用户选择行为的结构特征及趋势,对用户选择行为进行准确预测有助于航空公司进一步了解用户需求,提高航空公司自身的竞争力,实现发展目标。

现有技术中,为了对用户选择行为进行预测,通常会根据不同情境下用户的选择行为训练神经网络模型,通过训练好的神经网络模型对用户的选择行为进行预测。但是影响用户选择行为的因素较多,由于训练时采集的训练数据有限,可能无法兼顾各种实际情况,容易导致训练得到的神经网络模型中的参数选取不合理,使用训练后的神经网络模型对用户选择行为进行预测时,会因为输入的数据与训练时采用的数据差别较大导致神经网络模型输出完全不符合逻辑的结果。

发明内容

因此,本发明要解决的技术问题在于克服现有技术中的使用神经网络模型对用户选择行为进行预测时,会因为输入的数据与训练时采用的数据差别较大导致神经网络模型输出完全不符合逻辑的结果的缺陷,从而提供一种用户选择行为预测方法及装置。

本发明第一方面提供了一种用户选择行为预测方法,包括如下步骤:获取影响目标用户选择行为的第一特征数据和第二特征数据,第一特征数据表征特征的维度大于或等于第二特征数据;根据第一特征数据和预设神经网络模型获取表征目标用户选择行为的第一预测结果;对所述第二特征数据进行特征分析得到表征目标用户选择行为的第二预测结果;根据第一权值、第二权值及所述第一预测结果、第二预测结果确定目标用户选择行为的预测结果。

可选地,在本发明提供的用户选择行为预测方法中,根据第一预测结果、第二预测结果、第一权值、第二权值确定目标用户选择行为的预测结果的步骤,包括:若所述第一预测结果和所述第二预测结果位于预设范围内,根据位于预设范围内的第一预测结果、第二预测结果,以及第一权值、第二权值确定目标用户选择行为的预测结果。

可选地,在本发明提供的用户选择行为预测方法中,根据第一预测结果、第二预测结果、第一权值、第二权值确定所述目标用户选择行为的预测结果的步骤,还包括:若第一预测结果和/或第二预测结果位于预设范围外,对第一预测结果和/或第二预测结果进行数据裁剪处理,使第一预测结果和第二预测结果位于预设范围内;并,执行根据位于所述预设范围内的第一预测结果、第二预测结果,以及第一权值、第二权值确定所述目标用户选择行为的预测结果的步骤。

可选地,在本发明提供的用户选择行为预测方法中,根据第一特征数据和预设神经网络模型获取第一预测结果的步骤,包括:从备选神经网络模型集群中随机选取其中一个备选神经网络模型作为预设神经网络模型;根据特征和预设神经网络模型获取第一预测结果。

可选地,在本发明提供的用户选择行为预测方法中,通过如下步骤构建备选神经网络模型集群:获取训练数据及验证数据;根据训练数据分别对多个初始模型进行训练,得到多个神经网络模型;根据验证数据对各神经网络模型进行验证,得到各神经网络模型的损失值;根据各神经网络模型的损失值选取至少一个神经网络模型构成备选神经网络模型集群。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于贵州优策网络科技有限公司,未经贵州优策网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011451953.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top